Mongodb MapReduce性能。发出单对多？

比如说，我们有一个MongoDB集合，其中包含大量的文档。我需要在此集合上执行MapReduceout值为“内联”。emit的值有点大，可以在多个几乎相似的组上进行分离，例如：

{
teen_walk: 0, teen_car: 0, teen_bicycle: 0,
adult_walk: 0, adult_car: 0, adult_bicycle: 0, adult_plane: 0
}

还有更多的团体，我只是想不到而已。问题是：收集此数据集的哪种方法更快：单个大发射值MapReduce还是多个小发射值MapReduce

将在上述条件下执行两次MR并发出值：

{walk, car, bicycle}

及

更快地收集结果

编辑数据由mongodb java驱动程序在BIRT报告中收集

---

编辑2一般来说，问题是：“哪种方式可以更快地收集所需的数据集：使用单片发射值执行一个MapReduce，还是使用较小发射值执行多个MapReduce？”。但是可以考虑这些执行的可能相似之处。

这完全取决于您的硬件/体系结构。
一般来说，您在MRs上使用的CPU越多，值就越小（这是很明显的：如果您有1000个CPU，但您只发出10个值，那么990个CPU将不会起作用）。

但是，如果发出的值太多，则网络吞吐量必须保持不变。如果您的网络足够快（可能您有HPC群集或超级计算机），那么MR实际上比传统方法慢。
谷歌推出MR的原因是，他们没有超级计算机，但有大量的分布式数据中心。

---

现在您可以使用它了：在您的系统上进行测试，您就会知道：）。

您两种方法都试过了吗？哪个更快？没有实际的代码很难给出具体的答案。@wdberkeley，不，我没有。我现在没有一个包含大量文档的mongodb。它将在以后的生产中使用。也许有一些指导方针/例子/文章/在线沙盒需要测试/等等。关于这个主题？没有太多的上下文，但我天真地说，在一个m/r中做所有的工作是非常简单的，因为你避免了双倍的开销。因为我们缺少一套完整的可量化数据，她需要考虑，所以你似乎刚刚做了一个重要的决定“boo-boo”指的是在一个没有资格的问题上浪费300分，而在这个问题上，没有人能够用任何权威合理地回答。除非你能在你的问题上添加一些更合理的东西，否则我只希望你的问题非常“蹩脚”“答案实际上不会提供解决方案，但可能会为一些不值得的人赢得你刚刚提供的奖励积分。你应该早点改进你的问题。为什么不用大量随机数据（适合你的需要）填充数据库，看看什么更快？如果你使用mongodb而没有数据库或数据（真实或伪造），你成功的机会很小

{walk, car, bicycle, plane}