问什么是预先提取的数据或在运行时聚合的数据，为什么MongoDB不擅长它？

EN

让我们来做一些简单的事情，比如计算点击量。有几种方法可以报告点击情况。

1. 将点击存储在单个位置。(文件、数据库表、集合)当有人想要统计数据时，您可以在该表上运行查询并聚合结果。当然，这不能很好地扩展，所以通常使用...
2. 批处理作业。按照#1的方式存储点击次数，但每隔5分钟左右汇总一次。当人们想要查询汇总表时。请注意，“点击”可能有数百万行，但“汇总”可能只有几千行，因此查询起来要快得多。
3. 实时计算点击量。每点击一次，你就会在某处增加一个计数器。通常这意味着递增“摘要”表。

现在大多数大型系统都使用#2。有几个系统特别适合这一点(参见Hadoop)。

#3对于SQL数据库(如MySQL)来说是很难做到的，因为有很多磁盘锁定发生。但是，MongoDB不会经常锁定磁盘，并且往往具有更好的写入吞吐量。

因此，MongoDB最终成为了非常好的“实时计数器”。这就是他们所说的predistilled or aggregated in runtime。

但是如果MongoDB有很大的写吞吐量，它不是应该擅长做批处理作业吗？

从理论上讲，这可能是真的，MongoDB确实支持映射/减少。然而，MongoDB的Map/Reduce目前相当慢，无法与Hadoop等其他Map/Reduce引擎相提并论。最重要的是，商业智能(BI)领域充满了许多其他工具，这些工具非常具体，可能比MongoDB更适合。

哪一个数据是“在运行时预蒸馏或聚合”的？

这种情况的示例可以是需要来自多个集合的数据的任何报表。

为什么MongoDB不能很好地使用

？

在文档数据库中，您不能进行连接，因此很难构建报告。通常报告它从许多表/集合中聚合的数据。

而且，由于mongodb (以及一般的文档数据库)非常适合数据分发和反规范化，因此只要有可能，就应该预先构建报告，并在运行时仅显示来自此集合的数据。

对于某些任务/报告，不可能预先构建数据，在这种情况下，mongodb会为您提供map/reduce、分组等。