python| MongoDB聚合(count、distinct、group、MapReduce)
1. count：返回集合中文档的数量。
db.friend.count()
db.friend.count({‘age‘:24})
增加查询条件会使count查询变慢。
2. distinct：找出给定键的所有不同的值。
使用时必须指定集合和键：
db.runCommand({‘distinct‘:‘friend‘,‘key‘:‘age‘})，返回一个文档，‘value‘键的值就是这个‘age‘键的所有不同值组成的数组。
或：
db.friend.distinct(‘age‘)，直接返回‘age‘键的所有不同值组成的数组。
3. group：分组统计。
示例：找出相同年龄(age)中，积分(score)最高的人。
参数说明：
ns：指定要进行分组的集合。
key：指定文档分组依据的键，键值相同的所有文档分为一组。
initial：每一组reduce函数调用时作为第二个参数传递给reduce函数的初始文档，每一组的所有成员都会使用这个累加器，所以改变会被保留住。
$reduce：每个文档都对应一次这个调用，两个参数分别是当前文档和累加器文档（本组当前的结果）。每一组都有一个独立的累加器存储本分组的结果。
condition：只处理满足条件的文档。
finalize：函数，完成器，在每组结果传递到客户端之前被调用一次，用以精简从数据库传到用户的数据。
例如，在上面的例子中可以在group中加入finalize参数来去除结果中的’age’键：
‘finalize’: function(prev) {
delete prev.age;
}
（参数prev是每个分组结果文档）
$keyf：将函数作为键使用，用作分组依据。当分组依据变得复杂，不再只是一个简单的键值那么简单的时候，’key’参数已经无法满足需求，此时可以使用’$keyf’参数，它可以依据各种复杂的条件进行分组。
使用场景之一：依据分组键值进行分组，但忽略大小写。
‘$keyf’: function(x) {
return {‘name’:x.name.toLowerCase()};
}
（参数x表示当前文档对象，返回值一定要是一个对象，对象的键即是分组键。group中不能同时包含key参数和$keyf参数）
注意：分组依据键不存在的文档会被分到一组，并显示键值为null，可以在condition参数中加入{‘$exists’:true}来去掉这一组。
4. MapReduce：
使用MapReduce的代价就是速度慢，不能用在“实时”环境中。要作为后台任务来运行MapReduce，创建一个保存结果的集合，然后对这个集合进行实时查询。
示例：找出集合中的所有键。
参数说明：
mapreduce：字符串，指定需要进行MapReduce操作的集合的名称。
map：函数，分组函数，将集合中的文档根据某个键的值进行分组（一个文档调用一次）。
reduce：函数，每个分组的处理函数（一个分组调用一次）。
在以上例子中，执行完map函数之后，传递给reduce函数的参数格式类似：key为’age’，emits为[{‘count’:1},{‘count’:1},{‘count’:1}...]。
最终产生的结果集中”_id”键值为分组key的键值，”value”则是reduce函数返回的内容，目前reduce函数不支持返回数组，会报错：multiple not supported yet。
finalize：函数，处理reduce调用之后产生的结果，MapReduce的最后一步（一般用于清除多余信息）。
keeptemp：布尔，连接关闭时临时结果集合是否保存。
out：字符串，结果集名称，设置该项则隐含着keeptemp：true。不指定’out’参数会报错：’out’ has to be a string or an object。
query：文档，发往map函数前先使用指定条件过滤文档。
sort：文档，发往map函数前先给文档排序。
limit：整数，发往map函数的文档数量的上限。
scope：文档，JavaScript代码中要用到的变量。
scope是MapReduce的作用域键，可以使用“变量名：值”这样的普通文档来设置该选项，然后在map、reduce和finalize函数中就能使用了。
verbose：布尔，是否产生更加详细的服务器日志。（查看MapReduce的运行过程，也可以用print把map、reduce、finalize过程中的信息输出到服务器日志上。）
每个传递给map函数的文档都要事先反序列化，从BSON转换成JavaScript对象，这个过程非常耗资源。要是事先能确定只对集合的一部分文档执行MapReduce，使用query、sort、limit来增加一层过滤层会极大地提高速度。可以在MapReduce操作产生的结果集合上再进行MapReduce操作！
Group的结果集有4MB的大小限制，MapReduce则没有这个限制。
group和MapReduce对比示例：查询相同年龄人的名字。
（1）group：
（2）MapReduce：
