主要介绍mapReduce在MongoDB中的使用，类似于sql的分组和聚合。首先对Map进行分组，然后使用reduce进行统计，最后可选地使用finalize来调整最终结果。嗯，
我先介绍一下，我用的版本是mongodb2.4.5，然后我也用MongoVUE(一个非常好的图形化mongodb管理工具)帮我配合。
1、原始数据，集合中有三个doc被使用：
它们的数据格式是：
可能很多人不关注mongodb中存储的数据格式，但对我来说，这是非常敏感的。我不喜欢在后台使用object来保存这些原本清晰的类型。这里我再多提一点。如果您使用控制台插入数据，您插入的数字，
可能保存为Double，但如果要保存为整数，就必须使用NumberInt()和NumberLong()。示例：
运行后，在控制台上看不到数据类型，但使用MongoVUE，我可以看到：
数据库直接保存为double。并使用：
可以保存为int32，使用NumberLong()保存为Int64。
2.让MapReduce实现多少人找不同名字的统计。首先是map函数，然后是reduce函数。
1 function Map() {2 emit(3 this.name, 4 {count: 1} 5); 6} Issue (key, value) is a grouped function,
1 function Reduce(key，values) {2 var reduced={count:0，name:' ' }；//初始化返回值3价值观。foreach(function(val){ 4已减少。计数=val。数数；5 });6退货减少；7 }接下来是减少函数，
好了，让我们看看如何在DB控制台下调用这个MapReduce:
1分贝。run命令({ MapReduce:' le kko '2 Map:function Map(){ 3 emit(4 this。姓名，5 { count:1 } 6)；7 }，8 reduce : function Reduce(key，values) { 9 var reduced={count:0，name:' ' }；//初始化返回值10个值。foreach(function(val){ 11已减少。计数=val。数数；12 });13返回减少；14 }，15 out:{ inline:1 } 16 })；结果很快出来了：
因为我之前在控制台下又添加了两个文档，所以现在有四个人叫lekko。值得注意的是，这里MapReduce后的结果将全部是double！
3.一些附加操作
MapReduce的简单原理很简单，关键是灵活运用。现在我举几个我自己经历的例子：
(1)将查询放入MapReduce。
在前面的runCommand中添加参数。比如我要查询所有男生，我就加.查询：{'isman' true}，
(2)结果的数据类型转换。
使用Finalize函数(该函数在Reduce函数之后调用，它将对所有键的Reduce结果执行最终操作)。比如我在后台调用api后想要的是int数据，而不是double数据。
那么就可以添加Finalize函数：
1 .2 finalize : function Finalize(key, reduced) {3 reduced.count=NumberInt(reduced.count);4 return reduced;5 },6 .这样，
（3）时间类型
因为mongodb是有Date类型的，但是由于存入的时间格式和查询时间的格式可能不一致（特别是在你的mongodb部署在远程，而开发又是多人协作），会导致根据时间条件，却查不出数据的问题。我的建议，
直接存时间的long形态（过去秒数），那么这种差异性问题就不复存在。
