map
英[mæp] 美[mæp]
n.地圖，天文圖;類似地圖的事物;〈美俚〉臉，面孔;（染色體上基因排列的）遺傳圖
vt.繪製（一地區等的）地圖;勘查;詳細規劃;[遺傳學]比對
reduce
英[rɪˈdju:s] 美[rɪˈdu:s]
vt.減少;縮小;使還原;使變弱
#vi.減少;節食;蒸發;（液體）濃縮變稠
MongoDB Map Reduce函數 語法
作用：Map-Reduce是一種計算模型，簡單的說就是將大批量的工作（資料）分解（MAP）執行，然後再將結果合併成最終結果（REDUCE）。 MongoDB提供的Map-Reduce非常靈活，對於大規模資料分析也相當實用。
語法：>db.collection.mapReduce( function() {emit(key,value);}, //map 函數
function(key,values) {return reduceFunction}, //reduce 函數{out: collection,query: document,sort: document,limit: number })使用MapReduce 要實作兩個函數Map 函數與 Reduce 函數,Map Reduce 函數, collue中所有的記錄, 將key 與value 傳遞給Reduce 函數處理。 Map 函數必須呼叫 emit(key, value) 傳回鍵值對。
參數：map ：映射函數 (產生鍵值對序列,作為 reduce 函數參數)。 reduce 統計函數，reduce函數的任務就是把key-values變成key-value，也就是把values陣列變成單一的值value。 。 out 統計結果存放集合 (不指定則使用臨時集合,在客戶端斷開後自動刪除)。 query 一個篩選條件，只有符合條件的文件才會呼叫map函數。 （query。limit，sort可以隨意組合）sort 和limit結合的sort排序參數（也是在發送到map函數前給文檔排序），可以優化分組機制limit 發給map函數的文檔數量的上限（要是沒有limit，單獨使用sort的用處不大）
MongoDB Map Reduce函數 範例
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "mark",
"status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "mark",
"status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "mark",
"status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "mark",
"status":"active"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "mark",
"status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "php",
"status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "php",
"status":"disabled"
})
WriteResult({ "nInserted" : 1 })
>db.posts.insert({
"post_text": "php中文网，最全的技术文档。",
"user_name": "php",
"status":"active"
})
WriteResult({ "nInserted" : 1 })
现在，我们将在 posts 集合中使用 mapReduce 函数来选取已发布的文章(status:"active")，并通过user_name分组，计算每个用户的文章数：
>db.posts.mapReduce(
function() { emit(this.user_name,1); },
function(key, values) {return Array.sum(values)},
{
query:{status:"active"},
out:"post_total"
}
)
以上 mapReduce 输出结果为：
{
"result" : "post_total",
"timeMillis" : 23,
"counts" : {
"input" : 5,
"emit" : 5,
"reduce" : 1,
"output" : 2
},
"ok" : 1
}
结果表明，共有4个符合查询条件（status:"active"）的文档， 在map函数中生成了4个键值对文档，最后使用reduce函数将相同的键值分为两组。
具体参数说明：
result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。
timeMillis：执行花费的时间，毫秒为单位
input：满足条件被发送到map函数的文档个数
emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量
ouput：结果集合中的文档个数（count对调试非常有帮助）
ok：是否成功，成功为1
err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大
使用 find 操作符来查看 mapReduce 的查询结果：
>db.posts.mapReduce(
function() { emit(this.user_name,1); },
function(key, values) {return Array.sum(values)},
{
query:{status:"active"},
out:"post_total"
}
).find()
以上查询显示如下结果，两个用户 tom 和 mark 有两个发布的文章:
{ "_id" : "mark", "value" : 4 }
{ "_id" : "php", "value" : 1 }
用类似的方式，MapReduce可以被用来构建大型复杂的聚合查询。
Map函数和Reduce函数可以使用 JavaScript 来实现，使得MapReduce的使用非常灵活和强大。