MongoDB除了基本的查询功能之外，还提供了强大的聚合功能。

我们可以使用count, distinct, group, mapreduce, aggregate等方法实现聚合查询。

count

查询记录条数。
命令：

db.collectionName.count()

distinct

用来找出给定键的所有不同的值
命令：

db.collectionName(key)

group

分组查询。
参数说明：

key：用来分组文档的字段。

initial: 每组都分享一个”初始化函数“

$reduce: 执行的reduce函数，第一个参数是当前的文档对象，第二个参数是上一次function操作的累计对象，有多少个文档， $reduce就会调用多少次。

condition：（可选）执行过滤的条件

finalize：（可选）在reduce执行完成，结果集返回之前对结果集最终执行的函数。

MapReduce

命令：

db.runCommand(
 { mapreduce : 字符串，集合名,
   map : 函数,见下文
   reduce : 函数，见下文   [, query : 文档，发往map函数前先给过渡文档]
   [, sort : 文档，发往map函数前先给文档排序]
   [, limit : 整数，发往map函数的文档数量上限]
   [, out : 字符串，统计结果保存的集合]
   [, keeptemp: 布尔值，链接关闭时临时结果集合是否保存]
   [, finalize : 函数，将reduce的结果送给这个函数，做最后的处理]
   [, scope : 文档,js代码中要用到的变量]
   [, jsMode : 布尔值，是否减少执行过程中BSON和JS的转换，默认true] //注：false时 BSON-->JS-->map-->BSON-->JS-->reduce-->BSON,可处理非常大的mapreduce,<br>　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　//true时BSON-->js-->map-->reduce-->BSON
   [, verbose : 布尔值，是否产生更加详细的服务器日志，默认true]
 });

MongoDB中的MapReduce相当于关系数据库中的group by。

参数:

map函数：这个称为映射函数，里面会调用emit(key,value)，集合会按照你指定的key进行映射分组。

reduce函数：这个称为简化函数，会对map分组后的数据进行分组简化，注意：在reduce(key,value)中的key就是emit中的key，vlaue为emit分组后的emit(value)的集合。

更多mongodb相关文章请关注python自学网。