聚合查询
聚合查询允许将多个文档组合起来，通过统计、分组和筛选等操作，得出复杂的查询结果。MongoDB 提供了强大的聚合查询功能，在数据分析和数据挖掘等领域越来越受到开发者的青睐。
MongoDB 中的聚合查询主要由以下几个阶段组成：
$match阶段：用于筛选符合条件的文档。$group阶段：用于对文档进行分组统计。$project阶段：用于对文档进行投影，即只返回需要的字段。$sort阶段：用于按照指定的字段进行排序。$limit和$skip阶段：用于限制返回结果的数量和起点位置。
下面是一个简单的聚合查询示例，查询 students 集合中每个班级的平均分数：
db.students.aggregate([
{
$group: {
_id: "$class",
avg_score: {$avg: "$score"}
}
}
]);db.students：表示查询students集合。$group阶段：以class字段进行分组，计算每个班级的平均score分数。$project阶段：不需要投影，因为只需要_id和avg_score两个字段。$sort阶段：不需要排序。$limit和$skip阶段：不需要限制返回结果的数量和起点位置。
一些其他的聚合管道操作有$unwind,$lookup, $replaceRoot, $facet等，这里不再赘述。
MapReduce 操作
MapReduce 是一种广泛应用于数据处理的算法，它由 Google 发明，用于在大规模数据集上进行分布式计算。在 MongoDB 中，MapReduce 操作用于对集合中的文档集合进行分组、过滤、排序和总结，生成汇总结果。MapReduce 操作可以处理复杂的数据集合，并支持自定义 JavaScript 函数。但是，它相对于聚合查询来说，更加复杂和低效。
MapReduce 操作由以下两个阶段组成：
- Map 阶段：将输入数据转换为键值对，即 (key, value) 的形式。
- Reduce 阶段：根据输入键值对，计算输出结果。
下面是一个简单的 MapReduce 示例，查询 students 集合中每个班级的平均分数：
-- -------------------- ---- -------
--- ------- - ---------- -
---------------- ------- ----------- ------ ----
--
--- ---------- - ------------- ------- -
--- --- - --
--- ----- - --
---------------------------- -
----- -- ----------
--- -- ----------
---
------ ----------- -----------
--
----------------------
--------
-----------
----- --------------
--
----------------------mapFunc函数：以class作为键，score和count作为值。reduceFunc函数：根据输入键值对，计算输出的平均分数。db.students.mapReduce：查询students集合，执行 MapReduce 操作。{out: "temp_result"}：将结果保存到临时集合temp_result中。db.temp_result.find()：查询temp_result集合，查看结果。
MapReduce 操作的代码有些繁琐，复杂查询结果的计算也相对慢些，但是它可以处理更复杂和灵活的数据分析需求。对大量数据的处理过程中将调用多次 MapReduce 操作是低效的，使用聚合查询可以更好地解决这个问题。
总结
MongoDB 中的聚合查询和 MapReduce 操作都是用于处理数据的工具，两者的使用场景不同。
- 聚合查询主要用于对数据进行汇总统计。它易于编写和理解，能够处理小到中等规模的数据集并支持更多操作。
- MapReduce 操作则更适用于大规模数据集的处理，或者需要自定义 JavaScript 函数的数据分析需求。
在实际工作中，应该根据具体场景选择不同的数据处理工具，以达到更好的效果。
Source: FunTeaLearn,Please indicate the source for reprints https://funteas.com/post/64a844d948841e98944d5f39