何时在MongoDB中使用map reduce over Aggregation Pipeline？

Question

在查看documentation map-reduce时，我发现：

  

注：

     

对于大多数聚合操作，聚合管道提供   更好的性能和更连贯的界面。但是，map-reduce   操作提供了一些目前无法提供的灵活性   聚合管道。

我对此并不了解。

• 使用map-reduce over aggregation管道的用例有哪些？
• map-reduce提供了哪些灵活性？
• 表现有多少差价？

Answer 1

首先，MongoDB中的Map / Reduce不是用于即席查询，M / R的开销很大。由于这种开销，即使对小型数据集进行非常简单的M / R操作也可能需要数百毫秒。

在实践中，与大型数据集上的聚合框架相比，我不能说M / R的性能，但理论上，大型分片数据库上的M / R操作应该更快，因为分片可以运行操作很大程度上并行。

至于灵活性，由于M / R实际上运行javascript方法，因此您可以使用该语言的全部功能。例如，假设您想要按字段值的余弦对某些数据进行分组。由于聚合框架中既没有$cos运算符，也没有从连续数字（类似$truncate）构建离散桶的有意义的方法，因此聚合框架在这种情况下无济于事。

因此，简而言之，我会说用例是

• 将M / R的结果保存在单独的集合中并不时更新（使用out参数并合并结果）
• 对大型分片数据集的复杂查询
• 查询非常复杂，您无法使用聚合框架。我说这是数据结构设计缺陷的一个非常明确的迹象，但原则上它可以帮助