在MongoDB的聚合框架中，还可以使用MapReduce，它非常强大和灵活，但具有一定的复杂性，专门用于实现一些复杂的聚合功能。
MongoDB中的MapReduce使用JavaScript来作为查询语言，因此能表达任意的逻辑，但是它运行非常慢，不应该用在实时的数据分析中。
MapReduce是整个大数据的精髓所在（实际中别用），所谓的MapReduce就是分为两步处理数据：
· Map：将数据分别取出；
· Reduce：负责数据的最后的处理。
可是要想在MongoDB里面实现MapReduce处理，那么复杂度是相当高的。
1：finalize:function ：可以将reduce的结果发送到finalize，这是整个处理的最后一步
2：keeptemp:boolean ：是否在连接关闭的时候，保存临时结果集合
3：query:document ：在发送给map前对文档进行过滤
4：sort:document ：在发送给map前对文档进行排序
5：limit:integer ：发往map函数的文档数量上限
6：scope:document ：可以在javascript中使用的变量
7：verbose:boolean ：是否记录详细的服务器日志
--按照职位分组，取得每个职位的人名
建立一组雇员数据
db.emps.insert("name":"张三",age": 31,"sex": "男", job": "CLERK", "salary": 2000);
db.emps.insert("name":"李四",age": 31,"sex": "女", job": "CLERK", "salary": 3000);
db.emps.insert("name":"王五",age": 31,"sex": "男", job": "MANAGER", "salary": 4000);
db.emps.insert("name":"赵六",age": 31,"sex": "女", job": "MANAGER", "salary": 5000);
db.emps.insert("name":"孙七",age": 31,"sex": "男", job": "CLERK", "salary": 6000);
db.emps.insert("name":"王八",age": 31,"sex": "女", job": "PRESIDENT", "salary": 8000);
使用MapReduce操作最终会将处理结果保存在一个单独的集合里面，而最终的处理效果如下。
第一步：编写分组的定义
var jobMaapFUN = function(key,value)[
emit("job":key,"names":value);//按照job分组,取出name
};
第二步：编写reduce操作；
var jobReduceFUN = function(key,value)[
return("job":key,"names":value);
};
第三步：针对于MapReduce处理完成的数据实际上也可以执行一个最后处理。
var jobFinalizeFun=function(key, values){
if (key == "PRESIDENT"){
return{"job":key," names": values,"info":"公司的老大"};
}
return{"job":key," names": values,"info":"打工仔"};
}
进行操作的整合：
db. runComumand({
"mapreduce":"emps",
"map": jobMapFun,
"reduce":jobReduceFun,
"out":"t_job_emp",
finalize": jobFinalizeFun}
);
现在执行之后，所有的处理结果都保存在了“t_job_emp”集合里面。
db.t_job_emp .find().pretty();
