------------------------場景-----------------

mongodb中資料集合（ABC123）包含的指標進行統計分析，指標(指標在mongodb中實際以字母、數字組合的編碼表示)包括：
A1：使用者標識、A2：使用者編碼、A3：使用者名稱稱、A4：地市、A5：區縣、A6：手機號碼、A7：賬期、A8：入網時間、A9：ARPU值

需地市、區縣分組統計的指標(統計指標的結果標識編碼可自定義)：
X1：使用者數、X2：總ARPU值、X3：平均使用者入網時間

即需要統計分析：
使用者數：      count(使用者編碼)
總ARPU值:     sum(ARPU值)
平均入網時間：sum(入網時間)/count(使用者編碼)

----------------------------------------------

mongodb  java  api   mongo-2.7.3.jar
mongodb group 分組函式使用：
BasicDBList basicDBList = (BasicDBList)db.getCollection("mongodb中集合編碼或者編碼")
                   .group(DBObject key,   --分組欄位，即group by的欄位
                DBObject cond,        --查詢中where條件
                DBObject initial,     --初始化各欄位的值
                String reduce,        --每個分組都需要執行的Function
                String finial         --終結Funciton對結果進行最終的處理
);

------------------------程式碼------------------------------

將分組欄位、統計的結果欄位、統計公式中用到的欄位分別儲存在HashMap中：
分組欄位：
HashMap dimMap = new HashMap();
dimMap.put("A4","A4");    //地市
dimMap.put("A5","A5");    //區縣

統計的結果欄位:
HashMap forIdxMap = new HashMap();
dimMap.put("X1","count(A2)");            //使用者數
dimMap.put("X2","sum(A9)");              //總ARPU值
dimMap.put("X3","sum(A8)/count(A2)");    //平均使用者入網時間

統計公式中用到的欄位:
HashMap indexMap = new HashMap();
dimMap.put("A2","A2");            //使用者編碼
dimMap.put("A8","A8");            //入網時間
dimMap.put("A9","A9");            //ARPU值

java呼叫：
BasicDBList basicDBList = (BasicDBList)db.getCollection("ABC123")
                   .group(GroupUtil.generateFormulaKeyObject(dimMap),
                       new BasicDBObject(),
                        GroupUtil.generateFormulaInitObject(indexMap),
                         GroupUtil.generateFormulaReduceObject(indexMap),
                          GroupUtil.generateFormulaFinalizeObject(forIdxMap, indexMap));

GroupUtil.java：

package com.test;

import java.util.HashMap;
import java.util.Iterator;
import com.mongodb.BasicDBObject;
import com.mongodb.DBObject;

public class GroupUtil
{
	/**
	 * 方法描述：根據使用者選擇的維度編碼和指標編碼，生成Group中的key
	 * @param dimMap 維度編碼
	 * @return key 物件
	 */
	public static DBObject generateFormulaKeyObject(HashMap dimMap)
	{
		DBObject key = new BasicDBObject();
		Iterator dimIt = dimMap.keySet().iterator();
		while (dimIt.hasNext())
		{
			String dimId = (String)dimIt.next();
			key.put(dimId, true);
		}
		return key;
	}
	
	/**
	 * 方法描述：根據使用者選擇的維度編碼和指標編碼，生成Group中的屬性初始化值
	 * @param dimMap 維度編碼
	 * @return key 物件
	 */
	public static DBObject generateFormulaInitObject(HashMap indexMap)
	{
		DBObject initial = new BasicDBObject();
		//設定計算指標中使用的指標對應的統計值：sum、count、avg、max、min
		Iterator indexIt = indexMap.keySet().iterator();
		while (indexIt.hasNext())
		{
			DBObject index = new BasicDBObject();
			index.put("count", 0);
			index.put("sum", 0);
			index.put("max", 0);
			index.put("min", 0);
			index.put("avg", 0);
			index.put("self", 0);
			String indexId = (String)indexIt.next();
			initial.put(indexId, index);
		}
		
		return initial;
	}
	
	/**
	 * 方法描述：根據使用者選擇的指標編碼，生成Group中的reduce函式
	 * @param indexMap 指標編碼
	 * @return reduce函式
	 */
	public static String generateFormulaReduceObject(HashMap indexMap)
	{
		StringBuffer reduceBuf = new StringBuffer();
		
		reduceBuf.append("function(doc, prev) {");
		reduceBuf.append("var tempVal;");
		Iterator indexIt = indexMap.keySet().iterator();
		while (indexIt.hasNext())
		{
			String indexId = (String)indexIt.next();
			//計算指標數量
			reduceBuf.append("prev.").append(indexId).append(".count ++;");
			//計算指標總計
			reduceBuf.append("if(isNaN(").append("prev.").append(indexId).append(".sum").append(")){");
			reduceBuf.append("prev.").append(indexId).append(".sum = 0;");
			reduceBuf.append("}");
			reduceBuf.append("prev.").append(indexId).append(".sum += parseFloat(doc.").append(indexId).append(");");
			reduceBuf.append("if(isNaN(").append("prev.").append(indexId).append(".self").append(")){");
			reduceBuf.append("prev.").append(indexId).append(".self = 0;");
			reduceBuf.append("}");
			reduceBuf.append("prev.").append(indexId).append(".self = parseFloat(doc.").append(indexId).append(");");
			
			reduceBuf.append("print(prev.").append(indexId).append(".self);");
			//計算指標最大值
			reduceBuf.append("tempVal = parseFloat(doc.").append(indexId).append(");");
			reduceBuf.append("if(").append("prev.").append(indexId).append(".max == 0").append("){");
			reduceBuf.append("prev.").append(indexId).append(".max = tempVal;");
			reduceBuf.append("}else{");
			reduceBuf.append("prev.").append(indexId).append(".max = ");
			reduceBuf.append("prev.").append(indexId).append(".max > tempVal ? ");
			reduceBuf.append("prev.").append(indexId).append(".max : tempVal;");
			reduceBuf.append("}");
			//計算指標最小值
			reduceBuf.append("if(").append("prev.").append(indexId).append(".min == 0").append("){");
			reduceBuf.append("prev.").append(indexId).append(".min = tempVal;");
			reduceBuf.append("}else{");
			reduceBuf.append("prev.").append(indexId).append(".min = ");
			reduceBuf.append("prev.").append(indexId).append(".min < tempVal ? ");
			reduceBuf.append("prev.").append(indexId).append(".min : tempVal;");
			reduceBuf.append("}");
			//計算指標的平均值
			reduceBuf.append("prev.").append(indexId).append(".avg = ");
			reduceBuf.append("prev.").append(indexId).append(".sum");
			reduceBuf.append(" / ");
			reduceBuf.append("prev.").append(indexId).append(".count;");
		}
		reduceBuf.append("}");
		
		return reduceBuf.toString();
	}
	
	/**
	 * 方法描述：根據使用者選擇的指標編碼，生成MapReduce中的finalize函式
	 * @param indexMap 指標編碼
	 * @return reduce函式
	 */
	public static String generateFormulaFinalizeObject(HashMap forIdxMap, HashMap indexMap)
	{
		StringBuffer reduceBuf = new StringBuffer();
		reduceBuf.append("function(doc){");
		//得到計算指標的公式執行值
		Iterator formulaIt = forIdxMap.keySet().iterator();
		while (formulaIt.hasNext())
		{
			String indexId = (String)formulaIt.next();
			String idxFormula = (String)forIdxMap.get(indexId);
			reduceBuf.append("var tempIdx, tempFormula;");
			Iterator indexItB = indexMap.keySet().iterator();
			int i = 0;
			while (indexItB.hasNext())
			{
				String indexIdS = (String)indexItB.next();
				if(i == 0)
				{
					reduceBuf.append("tempFormula = \"").append(idxFormula).append("\";");
				}
				reduceBuf.append("tempIdx = ").append("doc.").append(indexIdS).append(".sum;");
				reduceBuf.append("tempFormula = ").append("tempFormula").append(".replace(/sum\\(").append(indexIdS).append("\\)/g,tempIdx);");
				reduceBuf.append("tempIdx = ").append("doc.").append(indexIdS).append(".count;");
				reduceBuf.append("tempFormula = ").append("tempFormula").append(".replace(/count\\(").append(indexIdS).append("\\)/g,tempIdx);");
				reduceBuf.append("tempIdx = ").append("doc.").append(indexIdS).append(".min;");
				reduceBuf.append("tempFormula = ").append("tempFormula").append(".replace(/min\\(").append(indexIdS).append("\\)/g,tempIdx);");
				reduceBuf.append("tempIdx = ").append("doc.").append(indexIdS).append(".max;");
				reduceBuf.append("tempFormula = ").append("tempFormula").append(".replace(/max\\(").append(indexIdS).append("\\)/g,tempIdx);");
				reduceBuf.append("tempIdx = ").append("doc.").append(indexIdS).append(".avg;");
				reduceBuf.append("tempFormula = ").append("tempFormula").append(".replace(/avg\\(").append(indexIdS).append("\\)/g,tempIdx);");
				i++;
			}
			reduceBuf.append("var resTemp = ").append("eval(tempFormula);");
			reduceBuf.append("doc.").append(indexId).append(" = resTemp.toFixed(2);");
		}
		
		Iterator indexItC = indexMap.keySet().iterator();
		while (indexItC.hasNext())
		{
			String indexId = (String)indexItC.next();
			reduceBuf.append("doc.").append(indexId).append(" = doc.").append(indexId).append(".self;");
		}
		reduceBuf.append("}");
		
		return reduceBuf.toString();
	}
}

注：group限制：分組後的組數不得超過20000個組！