产品中心
results的值是MapReduce的处理结果，timeMillis指明花费的时间；counts中input指明了输入的文档数，emit指明了在map中调用emit的次数，reduce指明了reduce的次数（本例中如果单次次数为1则不需要reduce），output指明了输出的文档数目。
可以看到，键_id不再是自动生成，而是被reduce中的key取代。当然，也可以将结果输入到一个新的collection中，例如：
也可以使用db.runCommand执行mapreduce任务，这种方法为开发者提供了更多的选项，具体请见资料[1]。资料[2][3][4]提供了关于mapreduce更全面的内容。资料[5]给出了优化mapreduce任务的方法，资料[6]是资料[5]的一篇中文翻译。
应该注意的是，资料[5]中提到使用ScopedThread()创建线程，笔者在GUI工具Robomongo的shell中运行 new ScopedThread()时候报错： ReferenceError: ScopedThread is not defined (shell):1
不过在mongo shell中可以正常运行：
如果使用其他编程语言管理MongoDB，要用到线程时，应该使用该编程语言内置的线程。
关于mongodb实现的mapreduce，个人觉得如果支持多个MR任务平滑过渡就更好了。
