mapReduce
MongoDB中的MapReduce可以用来实现更复杂的聚合命令，使用MapReduce主要实现两个函数：map函数和reduce函数，map函数用来生成键值对序列，map函数的结果作为reduce函数的参数，reduce函数中再做进一步的统计，比如我的数据集如下：
假如我想查询每位作者所出的书的总价，操作如下：
emit函数主要用来实现分组，接收两个参数，第一个参数表示分组的字段，第二个参数表示要统计的数据，reduce来做具体的数据处理操作，接收两个参数，对应emit方法的两个参数，这里使用了Array中的sum函数对price字段进行自加处理，options中定义了将结果输出的集合，届时我们将在这个集合中去查询数据，默认情况下，这个集合即使在数据库重启后也会保留，并且保留集合中的数据。
查询结果如下：
再比如我想查询每位作者出了几本书，如下：
查询结果如下：
将每位作者的书列出来，如下：
结果如下：
比如查询每个人售价在￥40以上的书：
query表示对查到的集合再进行筛选。
结果如下：
runCommand实现
我们也可以利用runCommand命令来执行MapReduce。格式如下：
含义如下：
参数 含义 mapReduce 表示要操作的集合 map map函数 reduce reduce函数 finalize 最终处理函数 out 输出的集合 query 对结果进行过滤 sort 对结果排序 limit 返回的结果数 scope 设置参数值，在这里设置的值在map、reduce、finalize函数中可见 jsMode 是否将map执行的中间数据由javascript对象转换成BSON对象，默认为false verbose 是否显示详细的时间统计信息 bypassDocumentValidation 是否绕过文档验证 collation 其他一些校对
如下操作，表示执行MapReduce操作并对统计的集合限制返回条数，限制返回条数之后再进行统计操作，如下：
执行结果如下：
小伙伴们看到，鲁迅有一本书不见了，就是因为limit是先限制集合返回条数，然后再执行统计操作。
finalize操作表示最终处理函数，如下：
f1第一个参数key表示emit中的第一个参数，第二个参数表示reduce的执行结果，我们可以在f1中对这个结果进行再处理，结果如下：
scope则可以用来定义一个在map、reduce和finalize中都可见的变量，如下：
执行结果如下：
好了，MongoDB中的MapReduce我们就先说到这里，小伙伴们有问题欢迎留言讨论。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对七叶笔记的支持。
参考资料：
1.《MongoDB权威指南第2版》
2.mongodb mapreduce小试
3.mongoDB--mapreduce用法详解(未找到原始出处)
