根据MongoDB文档的说明，Map-reduce是将大量数据合并为有用的聚合结果的数据处理范例。 MongoDB使用mapReduce命令进行map-reduce操作。MapReduce通常用于处理大型数据集。

MapReduce命令

以下是基本 mapReduce 命令的语法 –

>db.collection.mapReduce(
   function() {emit(key,value);},  //map function
   function(key,values) {return reduceFunction}, {   //reduce function
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

map-reduce函数首先查询集合，然后将结果文档映射到发出的键值对，然后根据具有多个值的键进行减少。

在上面的语法 –

• map是一个JavaScript函数，它将一个值与一个键映射并发出一个键值对；
• reduce是一个javascript功能，可以减少或分组具有相同键的所有文档；
• out指定map-reduce查询结果的位置；
• query指定选择文档的可选选择条件；
• sort指定可选的排序条件；
• limit指定可选的最大文档数；

使用MapReduce

请考虑存储用户帖子的以下文档结构。 该文档存储用户的user_name和帖子的状态(status)。

{
   "post_text": "yiibai tutorials is an awesome website for tutorials",
   "user_name": "maxsu",
   "status":"active"
}

现在，我们将在posts集上使用mapReduce函数来选择所有status的值为active的帖子，并根据user_name分组，然后使用以下代码对每个用户的帖子数进行计数 –

>db.posts.mapReduce( 
   function() { emit(this.user_id,1); }, 
   function(key, values) {return Array.sum(values)}, {  
      query:{status:"active"},  
      out:"post_total" 
   }
)

以上mapReduce查询输出以下结果 –

{
   "result" : "post_total",
   "timeMillis" : 9,
   "counts" : {
      "input" : 4,
      "emit" : 4,
      "reduce" : 2,
      "output" : 2
   },
   "ok" : 1,
}

结果表明，共有4个文档与查询(status的值为active)匹配，映射函数发出4个具有键值对的文档，最后将具有相同键的reduce函数分组的映射文档分解为2。

要查看此 mapReduce 查询的结果，请使用 find 运算符 –

>db.posts.mapReduce( 
   function() { emit(this.user_id,1); }, 
   function(key, values) {return Array.sum(values)}, {  
      query:{status:"active"},  
      out:"post_total" 
   }

).find()

上述查询给出以下结果，表明用户 tom 和 maxsu 有两个活动状态的帖子 –

{ "_id" : "tom", "value" : 2 }
{ "_id" : "maxsu", "value" : 2 }

以类似的方式，MapReduce查询可用于构建大型复杂聚合查询。 使用自定义JavaScript函数可以使用MapReduce，它非常灵活和强大。