注：作者使用的MongoDB為2.4.7版本。
單詞計數示例：
插入用于單詞計數的數據：
復制代碼 代碼如下:
db.data.insert({sentence:'Consider the following map-reduce operations on a collection orders that contains documents of the following prototype'})
db.data.insert({sentence:'I get the following error when I follow the code found in this link'})
圖個簡潔，數據中沒有包含標點符號。 在mongo shell寫入以下內容：
復制代碼 代碼如下:
var map = function() {
split_result = this.sentence.split(" ");
for (var i in split_result) {
var word = split_result[i].replace(/(^\s*)|(\s*$)/g,"").toLowerCase(); //去除了單詞兩邊可能的空格，并將單詞轉換為小寫
if (word.length != 0) {
emit(word, 1);
}
}
}
var reduce = function(key, values) {
return Array.sum(values);
}
db.data.mapReduce(
map,
reduce,
{out:{inline:1}}
)
db.data.mapReduce的第一和第二個參數分別指定map和reduce，map的輸入是集合中的每個文檔，通過emit()生成鍵值對；而reduce則處理鍵的多個值。
mapReduce的第三個參數指明在內存中進行mapreduce并返回結果，運行結果如下：
復制代碼 代碼如下:
{
"results" : [
{
"_id" : "a",
"value" : 1
},
{
"_id" : "code",
"value" : 1
},
{
"_id" : "collection",
"value" : 1
},
{
"_id" : "consider",
"value" : 1
},
{
"_id" : "contains",
"value" : 1
},
{
"_id" : "documents",
"value" : 1
},
{
"_id" : "error",
"value" : 1
},
{
"_id" : "follow",
"value" : 1
},
{
"_id" : "following",
"value" : 3
},
{
"_id" : "found",
"value" : 1
},
{
"_id" : "get",
"value" : 1
},
{
"_id" : "i",
"value" : 2
},
{
"_id" : "in",
"value" : 1
},
{
"_id" : "link",
"value" : 1
},
{
"_id" : "map-reduce",
"value" : 1
},
{
"_id" : "of",
"value" : 1
},
{
"_id" : "on",
"value" : 1
},
{
"_id" : "operations",
"value" : 1
},
{
"_id" : "orders",
"value" : 1
},
{
"_id" : "prototype",
"value" : 1
},
{
"_id" : "that",
"value" : 1
},
{
"_id" : "the",
"value" : 4
},
{
"_id" : "this",
"value" : 1
},
{
"_id" : "when",
"value" : 1
}
],
"timeMillis" : 1,
"counts" : {
"input" : 2,
"emit" : 30,
"reduce" : 3,
"output" : 24
},
"ok" : 1,
}
results的值是MapReduce的處理結果，timeMillis指明花費的時間；counts中input指明了輸入的文檔數，emit指明了在map中調用emit的次數，reduce指明了reduce的次數（本例中如果單次次數為1則不需要reduce），output指明了輸出的文檔數目。
可以看到，鍵_id不再是自動生成，而是被reduce中的key取代。當然，也可以將結果輸入到一個新的collection中，例如：
復制代碼 代碼如下:
db.data.mapReduce( map, reduce, {out:"mr_result"} )
之后查看mr_result集合中的內容即可：
復制代碼 代碼如下:
db.mr_result.find()
也可以使用db.runCommand執行mapreduce任務，這種方法為開發者提供了更多的選項，具體請見資料[1]。資料[2][3][4]提供了關于mapreduce更全面的內容。資料[5]給出了優化mapreduce任務的方法，資料[6]是資料[5]的一篇中文翻譯。
應該注意的是，資料[5]中提到使用ScopedThread()創建線程，筆者在GUI工具Robomongo的shell中運行 new ScopedThread()時候報錯： ReferenceError: ScopedThread is not defined (shell):1
不過在mongo shell中可以正常運行：
復制代碼 代碼如下:
> new ScopedThread()
Sat Mar 22 21:32:36.062 Error: need at least one argument at src/mongo/shell/utils.js:101
如果使用其他編程語言管理MongoDB，要用到線程時，應該使用該編程語言內置的線程。
關于mongodb實現的mapreduce，個人覺得如果支持多個MR任務平滑過渡就更好了。
您可能感興趣的文章:- Spring 注解編程模型相關知識詳解
- python多線程抽象編程模型詳解
- 編程用到的windows系統目錄變量簡寫
- 用PHP編程開發“虛擬域名”系統
- 詳解為什么現代系統需要一個新的編程模型
