在MongoDB中，有兩種方式計算聚合：Pipeline 和 MapReduce。Pipeline查詢速度快於MapReduce，但是MapReduce的強大之處在於能夠在多臺Server上並行執行復雜的聚合邏輯。MongoDB不允許Pipeline的單個聚合操作佔用過多的系統記憶體，如果一個聚合操作消耗20%以上的記憶體，那麼MongoDB直接停止操作，並向客戶端輸出錯誤訊息。
Pipeline 方式使用db.collection.aggregate()函式進行聚合運算，運算速度較快，操作簡單，但是，Pipeline方式有兩個限制：單個聚合操作消耗的記憶體不能超過20%，聚合操作返回的結果集必須限制在16MB以內。
MapReduce 能夠計算非常複雜的聚合邏輯，非常靈活，但是，MapReduce非常慢，不應該用於實時的資料分析中。MapReduce能夠在多臺Server上並行執行，每臺Server只負責完成一部分wordload，最後將wordload傳送到Master Server上合併，計算出最終的結果集，返回客戶端。
在MongoDB中，有兩種方式計算聚合：Pipeline 和 MapReduce。Pipeline查詢速度快於MapReduce，但是MapReduce的強大之處在於能夠在多臺Server上並行執行復雜的聚合邏輯。MongoDB不允許Pipeline的單個聚合操作佔用過多的系統記憶體，如果一個聚合操作消耗20%以上的記憶體，那麼MongoDB直接停止操作，並向客戶端輸出錯誤訊息。
1、使用 Pipeline 方式計算聚合；Pipeline 方式使用db.collection.aggregate()函式進行聚合運算，運算速度較快，操作簡單，但是，Pipeline方式有兩個限制：單個聚合操作消耗的記憶體不能超過20%，聚合操作返回的結果集必須限制在16MB以內。
2、使用MapReduce 方式計算聚合；MapReduce 能夠計算非常複雜的聚合邏輯，非常靈活，但是，MapReduce非常慢，不應該用於實時的資料分析中。MapReduce能夠在多臺Server上並行執行，每臺Server只負責完成一部分wordload，最後將wordload傳送到Master Server上合併，計算出最終的結果集，返回客戶端。