1. count：返回集合中文檔的數量。
db.friend.count()
db.friend.count({'age':24})
增加查詢條件會使count查詢變慢。
2. distinct：找出給定鍵的所有不同的值。
使用時必須指定集合和鍵：
db.runCommand({'distinct':'friend','key':'age'})，返回一個文檔，'value'鍵的值就是這個'age'鍵的所有不同值組成的數組。
或：
db.friend.distinct('age')，直接返回'age'鍵的所有不同值組成的數組。
3. group：分組統計。
示例：找出相同年齡(age)中，積分(score)最高的人。
參數說明：
ns：指定要進行分組的集合。
key：指定文檔分組依據的鍵，鍵值相同的所有文檔分為一組。
initial：每一組reduce函數調用時作為第二個參數傳遞給reduce函數的初始文檔，每一組的所有成員都會使用這個累加器，所以改變會被保留住。
$reduce：每個文檔都對應一次這個調用，兩個參數分別是當前文檔和累加器文檔（本組當前的結果）。每一組都有一個獨立的累加器存儲本分組的結果。
condition：只處理滿足條件的文檔。
finalize：函數，完成器，在每組結果傳遞到客戶端之前被調用一次，用以精簡從數據庫傳到用戶的數據。
例如，在上面的例子中可以在group中加入finalize參數來去除結果中的’age’鍵：
‘finalize’: function(prev) {
delete prev.age;
}
（參數prev是每個分組結果文檔）
$keyf：將函數作為鍵使用，用作分組依據。當分組依據變得復雜，不再只是一個簡單的鍵值那么簡單的時候，’key’參數已經無法滿足需求，此時可以使用’$keyf’參數，它可以依據各種復雜的條件進行分組。
使用場景之一：依據分組鍵值進行分組，但忽略大小寫。
‘$keyf’: function(x) {
return {‘name’:x.name.toLowerCase()};
}
（參數x表示當前文檔對象，返回值一定要是一個對象，對象的鍵即是分組鍵。group中不能同時包含key參數和$keyf參數）
注意：分組依據鍵不存在的文檔會被分到一組，並顯示鍵值為null，可以在condition參數中加入{‘$exists’:true}來去掉這一組。
4. MapReduce：
使用MapReduce的代價就是速度慢，不能用在“實時”環境中。要作為后台任務來運行MapReduce，創建一個保存結果的集合，然后對這個集合進行實時查詢。
示例：找出集合中的所有鍵。
參數說明：
mapreduce：字符串，指定需要進行MapReduce操作的集合的名稱。
map：函數，分組函數，將集合中的文檔根據某個鍵的值進行分組（一個文檔調用一次）。
reduce：函數，每個分組的處理函數（一個分組調用一次）。
在以上例子中，執行完map函數之后，傳遞給reduce函數的參數格式類似：key為’age’，emits為[{‘count’:1},{‘count’:1},{‘count’:1}...]。
最終產生的結果集中”_id”鍵值為分組key的鍵值，”value”則是reduce函數返回的內容，目前reduce函數不支持返回數組，會報錯：multiple not supported yet。
finalize：函數，處理reduce調用之后產生的結果，MapReduce的最后一步（一般用於清除多余信息）。
keeptemp：布爾，連接關閉時臨時結果集合是否保存。
out：字符串，結果集名稱，設置該項則隱含着keeptemp：true。不指定’out’參數會報錯：’out’ has to be a string or an object。
query：文檔，發往map函數前先使用指定條件過濾文檔。
sort：文檔，發往map函數前先給文檔排序。
limit：整數，發往map函數的文檔數量的上限。
scope：文檔，JavaScript代碼中要用到的變量。
scope是MapReduce的作用域鍵，可以使用“變量名：值”這樣的普通文檔來設置該選項，然后在map、reduce和finalize函數中就能使用了。
verbose：布爾，是否產生更加詳細的服務器日志。（查看MapReduce的運行過程，也可以用print把map、reduce、finalize過程中的信息輸出到服務器日志上。）
每個傳遞給map函數的文檔都要事先反序列化，從BSON轉換成JavaScript對象，這個過程非常耗資源。要是事先能確定只對集合的一部分文檔執行MapReduce，使用query、sort、limit來增加一層過濾層會極大地提高速度。可以在MapReduce操作產生的結果集合上再進行MapReduce操作！
Group的結果集有4MB的大小限制，MapReduce則沒有這個限制。
group和MapReduce對比示例：查詢相同年齡人的名字。
（1）group：
（2）MapReduce：
