我一直以为Mongo在mapreduce功能方面表现出色，但我现在读到这是一个缓慢的实现。因此，如果我不得不选择基准测试的替代方案，它应该是什么？
我的软件将会是这样的，用户通常会拥有数百万条记录，并且经常通过不可预测的10个或100个数千个子集进行排序和处理。大多数使用数百万条记录的数据分析都可以在汇总表等中完成。我原本以为Hypertable是一个可行的选择，但在研究中我在他们的文档中看到他们提到Mongo将是一个更高效的选择，而Hypertable则有其他好处。但对于我的申请，速度是我的首要任务。
答案 0 :(得分：1)
首先，决定什么是“足够快”是很重要的。毫无疑问，解决方案比MongoDB的map / reduce更快，但在大多数情况下，您可能会看到更高的开发成本。
那就是说MongoDB的map / reduce在编写时运行在单个线程上，这意味着它不会利用它可用的所有cpu。此外，MongoDB几乎没有本机聚合功能。这将更改为2.1版以后版本，但可以改善效果（请参阅https://jira.mongodb.org/browse/SERVER-447和http://www.slideshare.net/cwestin63/mongodb-aggregation-mongosf-may-2011）。
现在，MongoDB擅长的是轻松扩展，特别是在读取方面。这很重要，因为大数据集上数字运算的最佳解决方案肯定是像Augusto建议的地图/减少云。让这样的m / r进行数字运算，而MongoDB以高速提供所需的数据。通过添加更多mongo分片可以轻松解决数据库查询吞吐量过低的问题。通过添加更多m / r框解决了数字运算/聚合性能太慢的问题。基本上，性能会成为您为问题保留的实例数量的函数，从而降低成本。