MongoDB提供了MapReduce的聚合工具來實現任意復雜的邏輯，它非常強大，非常靈活。MapReduce使用JavaScript作為“查詢語言”，能夠在多台服務器之間並行執行。它會將一個大問題拆分為多個小問題，將各個小問題發送到不同的機器上，每台機器只負責完成一部分工作。所有機器都完成時，再將這些零碎的解決方案合並為一個完整的解決方案。
在一般情況下，MapReduce操作有2個階段：第一個階段是映射（map）階段，處理每一個符合要求的文檔（即每個符合要求的文檔都執行一次map的方法），然后利用emit函數產生一些鍵和這些鍵對應的多個值（最后組成一個列表）。第二個階段是化簡（reduce）階段，把列表中的值化簡成一個單值。
MapReduce使用自定義JavaScript函數執行map和reduce操作，具有極大的靈活性，但這種強大是有代價的，MapReduce非常慢，不應該用在實時的數據分析中。
下面來看一個例子：
主要的功能：計算出每個用戶的狀態為A的訂單的總額。
首先查找所有訂單（如果mongodb有進行分片，則每個分片的訂單都會找出來）狀態為“A”的訂單。
然后每個訂單都會執行map的方法，map方法主要是輸出以cust_id為key，amount為value的一個鍵值對。緊跟着的一個步驟，是把所有相同的key的所有value，組成一個數組，傳給后面的reduce。
最后的reduce步驟，是把由map傳回來的key/value的value進行求和，得到最終以每個用戶（cust_id）為key，所有金額求和的值為value的結果。
reduce步驟產生的結果，放在“order_totals”這個集合中。可以用db.order_totals.find()來查看這整個MapReduce的結果
喜歡請微信掃描下面二維碼，關注我公眾號--“精修Java”，做一些實戰項目中的問題和解決方案分享。
