MongoDB 什么时候在聚合管道上使用 map reduce？
When to use map reduce over Aggregation Pipeline in MongoDB?
在查看 documentation 的 map-reduce 时，我发现：
NOTE:
For most aggregation operations, the Aggregation Pipeline provides
better performance and more coherent interface. However, map-reduce
operations provide some flexibility that is not presently available in
the aggregation pipeline.
没看懂。
- 在聚合管道上使用 map-reduce 的用例是什么？
- map-reduce 提供了哪些灵活性？
- 性能有多少增量？
一方面，MongoDB 中的 Map/Reduce 不是为临时查询而设计的，M/R 有相当大的开销。由于这种开销，即使是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，M/R 的性能我不能说太多，但理论上，M/R 在大型分片数据库上的操作应该更快，因为分片可以 运行 大部分并行操作。
至于灵活性，由于 M/R 实际上 运行s javascript 方法，您可以使用语言的全部功能。例如，假设您想按字段值的余弦对一些数据进行分组。由于聚合框架中既没有 $cos 运算符，也没有从连续数字构建离散桶的有意义的方法（类似于 $truncate），聚合框架在这种情况下无济于事。
所以，简而言之，我想说用例是
- 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
- 查询过于复杂以至于您无法使用聚合框架。我会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
在查看 documentation 的 map-reduce 时，我发现：
NOTE:
For most aggregation operations, the Aggregation Pipeline provides better performance and more coherent interface. However, map-reduce operations provide some flexibility that is not presently available in the aggregation pipeline.
没看懂。
- 在聚合管道上使用 map-reduce 的用例是什么？
- map-reduce 提供了哪些灵活性？
- 性能有多少增量？
一方面，MongoDB 中的 Map/Reduce 不是为临时查询而设计的，M/R 有相当大的开销。由于这种开销，即使是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，M/R 的性能我不能说太多，但理论上，M/R 在大型分片数据库上的操作应该更快，因为分片可以 运行 大部分并行操作。
至于灵活性，由于 M/R 实际上 运行s javascript 方法，您可以使用语言的全部功能。例如，假设您想按字段值的余弦对一些数据进行分组。由于聚合框架中既没有 $cos 运算符，也没有从连续数字构建离散桶的有意义的方法（类似于 $truncate），聚合框架在这种情况下无济于事。
所以，简而言之，我想说用例是
- 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
- 查询过于复杂以至于您无法使用聚合框架。我会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