一、MapReduce的概述

• MapReduce操作将大量的数据处理工作拆分成多个线程并行处理，然后将结果合并在一起。MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。

二、MapReduce的阶段

• MapReduce具有两个阶段：
  （1）、将具有相同Key的文档数据整合在一起的map阶段；
  （2）、组合map操作的结果进行统计输出的reduce阶段。

三、MapReduce的基本语法

• MapReduce语法格式

db.collection.mapReduce(
	function() {emit(key,value);}, //map 函数
	function(key,values) {return reduceFunction}, //reduce 函数
	{
		out: <collection>,
		query: <document>,
		sort: <document>, 
		limit: <number>,
		finalize: <function>, 
		scope: <document>, 
		jsMode: <boolean>,
		verbose: <boolean>, 
		bypassDocumentValidation: <boolean>
	}
)

• MapReduce语法解释

• MapReduce图解

四、MapReduce示例

4.1、 数据准备

• 准备数据集，执行脚本

var tags = ["nosql","mongodb","document","developer","popular"];
var types = ["technology","sociality","travel","novel","literature"];
var books=[];
for(var i=0;i<50;i++){
	var typeIdx = Math.floor(Math.random()*types.length);
	var tagIdx = Math.floor(Math.random()*tags.length);
	var tagIdx2 = Math.floor(Math.random()*tags.length);
	var favCount = Math.floor(Math.random()*100);
	var username = "xx00"+Math.floor(Math.random()*10);
	var age = 20 + Math.floor(Math.random()*15);
	var book = {
		title: "book-"+i, 
		type: types[typeIdx],
		tag: [tags[tagIdx],tags[tagIdx2]],
		favCount: favCount, 
		author: {name:username,age:age}
	};
	books.push(book)
}
db.books1.insertMany(books);

4.2、 MapReduce示例

• 统计type为travel的不同作者的books文档收藏数

db.books1.mapReduce( 
	function(){emit(this.author.name,this.favCount)}, 
	function(key,values){return Array.sum(values)}, 
	{ 
		query:{type:"travel"}, 
		out: "books_favCount" 
	} 
)

• 由于结果输出到了books_favCount中，所以需要去books_favCount中查看结果

> db.books_favCount.find()