reduce 阶段的MongoDB's explanation 说：
map/reduce 引擎可以迭代调用 reduce 函数；因此， 这些函数必须是幂等的。
这就是我一直理解 reduce 在一般 map reduce 环境中工作的方式。 在这里，您可以通过减少每台机器上的值来对 N 台机器上的值求和，然后将这些输出发送到另一个 reducer。
框架每次调用一次应用程序的 Reduce 函数 排序顺序中的唯一键。 Reduce 可以遍历 与该键关联并产生零个或多个的值 输出。
在这里，您需要将所有值（使用相同的键）移动到同一台机器上进行求和。将数据移动到函数似乎与 map reduce 应该做的相反。
维基百科的描述是否过于具体？还是 MongoDB 破坏了 map-reduce？ （或者我在这里错过了什么？）
【问题讨论】：
原来的 Map Reduce 框架是这样的described by Google：
2 编程模型
[...]
中间值通过迭代器提供给用户的 reduce 函数。这使我们能够处理太大而无法放入内存的值列表。
后来：
3 实施
[...]
6.reduce worker 遍历已排序的中间数据，对于遇到的每个唯一中间键，它会将键和相应的一组中间值传递给用户的 Reduce 函数。
所以只有一次调用Reduce。通过在本地使用特殊的 combiner 函数来解决移动大量小的中间对的问题：
4.3 合路函数
在某些情况下，每个 map 任务生成的中间键存在大量重复 [...] 我们允许用户指定一个可选的
Combiner函数，该函数在此数据通过网络。
Combiner函数在每台执行地图任务的机器上执行。通常使用相同的代码来实现组合器和归约函数。 [...]部分合并显着加快了某些类型的 MapReduce 操作。
Wikipedia 遵循最初的 MapReduce 设计，而 MongoDB 设计者采用了稍微不同的方法。
【讨论】：
reduce worker 读取完所有中间数据后，会根据中间键对其进行排序 以便将所有出现的相同键组合在一起。
map/reduce 引擎可以迭代调用 reduce 函数；因此，这些函数必须是幂等的。
因此，对于 Google 论文中定义的 MapReduce，一旦特定键的数据传输到化简器，化简就会开始处理键/值对。但是，正如 Tomasz 提到的，MongoDB 似乎以稍微不同的方式实现 MapReduce。
在 Google 提出的 MapReduce 中，Map 或 Reduce 任务将处理 KV 对，但在 MongoDB 实现中，Map 和 Reduce 任务将同时处理 KV 对。 MongoDB 方法可能效率不高，因为节点没有得到有效使用，并且集群中的 Map 和 Reduce 插槽可能已满并且可能无法运行新作业。
Hadoop 中的问题是，尽管 reducers 任务在 map 完成数据处理之前不会处理 KV 对，但可以在 mapper 完成处理之前生成 reducers 任务。参数“mapreduce.job.reduce.slowstart.completedmaps”设置为“0.05”，description 表示“作业中应在为作业安排 reduce 之前完成的地图数量的一部分。”
在这里，您需要将所有值（使用相同的键）移动到同一台机器上进行求和。将数据移动到函数似乎与 map reduce 应该做的相反。
此外，map 任务而不是 reduce 任务考虑了数据局部性。对于 reduce 任务，数据必须从不同节点上的不同映射器移动到 reducer 以进行聚合。
只是我的 2c。
【讨论】：
TLDR : reduce (mongo) 就像组合器，而 finalize(mongo) 几乎就像 reducer，只是它只需要一个键/值。如果您需要将所有数据放在 reduce (hadoop) 函数中，请将其与 reduce (mongo) 聚合到一个大数组中，然后将其传递给 finalize。在输出值中使用某种标志来执行此操作。
我就是这样做的，我认为它会吸收大量数据，但我不知道使用 mongodb mapreduce 的任何其他方法:(（但我对它不是很有经验）
【讨论】：