mongodb聚合函数 1.count 这个函数很好理解，和其他数据库一样，就是做一个count操作 select count(*) from tab1 =db.tab1.count() 以上例子很好理解，但是如果在操作中有skip，limit这种操作的话，那么count会忽略掉这些操作，必须加入一个true参数 比如：d mongodb聚合函数
1.count
这个函数很好理解，和其他数据库一样，就是做一个count操作select count(*) from tab1 =db.tab1.count()以上例子很好理解，但是如果在操作中有skip，limit这种操作的话，那么count会忽略掉这些操作，必须加入一个true参数比如：db.tab1.find().skip(1),limit(2).count()和db.tab1.find().count()得出的结果是一样的必须修改为db.tab1.find().skip(1).limit(2).count(true)
2.distinct
去重函数，这个也应该很熟悉，各种关系数据库都有具体操作：db.runCommand({"distinct":"collection","key":"xxxx"})=db.collections.distinct("xxxx");
3.group
select a,b,sum(c) csum from coll where active=1 group by a,b db.coll.group( {key: { a:true, b:true },cond: { active:1 },reduce:function(obj,prev){ prev.csum += obj.c; },initial: { csum: 0 }});
参数解释：
Key:group字段Reduce：聚合函数，典型的有sum和count操作，包含两个参数，当前遍历对象以及聚合计数器Initial：初始化计数器值Cond：查询条件筛选选项，如果是空，那么默认对当前collection的所有行操作Group不能在sharding中使用,结果输出不能多于10000个keys
举例：
> db.mtb1.find(){ "_id" : ObjectId("4fb4be52aa814943b788095c"), "name" : "aaa", "score" : 77 }{ "_id" : ObjectId("4fb4be5caa814943b788095d"), "name" : "bbb", "score" : 79 }{ "_id" : ObjectId("4fb4be61aa814943b788095e"), "name" : "ccc", "score" : 79 }{ "_id" : ObjectId("4fb4be69aa814943b788095f"), "name" : "ddd", "score" : 79 }{ "_id" : ObjectId("4fb4be74aa814943b7880960"), "name" : "eee", "score" : 100 }{ "_id" : ObjectId("4fb4be7aaa814943b7880961"), "name" : "fff", "score" : 100 }{ "_id" : ObjectId("4fb4be82aa814943b7880962"), "name" : "ggg", "score" : 100 }{ "_id" : ObjectId("4fb4be9eaa814943b7880963"), "name" : "hhh", "score" : 200}> db.mtb1.group(... {key:{score:true},... reduce:function(obj,prev){prev.count++;},... initial:{count:0}... });[{"score" : 77,"count" : 1},{"score" : 79,"count" : 3},{"score" : 100,"count" : 3},{"score" : 200,"count" : 1}]一个简单的例子，应该很明白了。其实这里group还是建立在reduce上面
4.map/reduce
这个工具的功能可以实现以上三种任何一种，它是分两步完成，先做map，再reduce，map首先对数据进行分解映射，map执行完，紧接着会进行reduce，map后会的到key-values，像{key：[value1,value2,value3...]}，然后通过reduce处理后得到key-value，也就是单一的值。
语法：
db.runCommand({ mapreduce :,map :,reduce :[, query :][, sort :][, limit :]MongoDB For Windows v3.5.4 MongoDB For Windows v3.5.4下载[, out :][, keeptemp:][, finalize :][, scope :][, verbose : true]});query是很常用的，它用来在map阶段过滤查询条件的以限定MapReduce操作的记录范围，sort和limit集合query使用。
out指定输出结果的collections名称Keeptemp 布尔型，默认是false，如果是true那么生成的collection是永久存在的，如果是false，那么在客户端连接关闭后，会自动删除生成的collection Finalize一般用来计算平均数，裁剪数组，清除多余信息query是很常用的，它用来在map阶段过滤查询条件的以限定MapReduce操作的记录范围，sort和limit集合query使用。
out指定输出结果的collections名称Keeptemp 布尔型，默认是false，如果是true那么生成的collection是永久存在的，如果是false，那么在客户端连接关闭后，会自动删除生成的collection Finalize一般用来计算平均数，裁剪数组，清除多余信息{ result :,counts : {input :,emit :,output :} ,timeMillis :,ok : ,[, err :]}result：储存结果的collection的名字input：满足条件的数据行数emit：emit调用次数，也就是所有集合中的数据总量ouput：返回结果条数timeMillis：执行时间，毫秒为单位ok：是否成功，成功为1 err：如果失败，这里可以有失败原因
给出官方文档的一个例子：
$ ./mongo> db.things.insert( { _id : 1, tags : ['dog', 'cat'] } );> db.things.insert( { _id : 2, tags : ['cat'] } );> db.things.insert( { _id : 3, tags : ['mouse', 'cat', 'dog'] } );> db.things.insert( { _id : 4, tags : [] } );> // map function> m = function(){... this.tags.forEach(... function(z){... emit( z , { count : 1 } );... }... );...};> // reduce function> r = function( key , values ){... var total = 0;... for ( var i=0; i... total += values[i].count;... return { count : total };...};> res = db.things.mapReduce(m,r);> res{"timeMillis.emit" : 9 , "result" : "mr.things.1254430454.3" ,"numObjects" : 4 , "timeMillis" : 9 , "errmsg" : "" , "ok" : 0}> db[res.result].find(){"_id" : "cat" , "value" : {"count" : 3}}{"_id" : "dog" , "value" : {"count" : 2}}{"_id" : "mouse" , "value" : {"count" : 1}}> db[res.result].drop()