在MongoDB数据库中常见的聚合操作有：count，distinct，group，mapReduce。现在将它们一一的记录下来：
一、count操作
这个操作顾名思义就是达到统计的效果啦，用来统计符合某一种查询条件的总数。
/** 统计所有记录的总数 */
db.user.count()
/** 统计名字为 hanmeimei 的记录数 */
db.user.count({"name":"hanmeimei"})二、distinct操作
在SQL中这个单词的作用是去除重复的意思，在NoSQL数据库中也可以达到同样的效果。
/** 去除重复的年龄 */
db.person.distinct("age")三、group操作
在关系型数据库中，group表示的是分租，在noSQL数据库中也是表示同样的意思，但是它的操作会比较麻烦一些。归根到底，group的操作就是形成了一种“k-v”模型。
/** 按照年龄 age 来进行分组 然后将name放在user里面 */
> db.person.group({"key":{"age":true},"initial":{"user":[]},"$reduce":function(cur,prev){prev.user.push(cur.name);}})
key： 这个就是分组的key，我们这里是对年龄分组。
initial函数，age=22同样也分享一个initial函数。
为initial中的{”perosn“：[]}。有多少个文档， $reduce就会调用多少次。
/** 按照年龄 age 来进行分组 同时要求年龄大于21岁，并且统计每一组查询出来的记录条数*/
> db.person.group({"key":{"age":true},"initial":{"user":[]},"$reduce":function(cur,prev){prev.user.push(cur.name);},"finalize":function(out){out.count=out.user.length},"condition":{"age":{$gt:21}}})
condition: 这个就是过滤条件。
finalize:这是个函数，每一组文档执行完后，多会触发此方法，那么在每组集合里面加上count也就是它的活了。
四、mapReduce操作
mapReduce操作是MongoDB聚合操作中最复杂的操作，同时它也是最灵活。 mapReduce其实是一种编程模型，用在分布式计算中，其中有一个“map”函数，一个”reduce“函数。mapReduce是hadoop的核心之一。
1、 map：
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。
2、 reduce：
emit中的key，vlaue为emit分组后的emit(value)的集合，这里也就是很多{"count":1}的数组。
3、 mapReduce:
这个就是最后执行的函数了，参数为map，reduce和一些可选参数
/** map 函数 */
var map=function(){ emit(this.name,{count:1})}
/** reduce 函数 */
var reduce = function(key,value){var result = {count:0};for(var i = 0;i<value.length;i++){result.count += value[i].count;} return result}
/** mapReduce 操作 */
db.person.mapReduce(map,reduce,{"out":"collection"})从图中我们可以看到如下信息：
result: "存放的集合名“；
input:传入文档的个数。
emit：此函数被调用的次数。
reduce：此函数被调用的次数。
output:最后返回文档的个数。
同时我们也可以看看最后根据name分组的结果：
这些都是MongoDB中常用的聚合操作了。
