我在之前的這篇文章中簡要說明了使用排序對於MR的好處，這是壹個鮮為人知的特性。在這種情況下，如果處理未排序的輸入，意味著MR引擎將得到隨機排序的值，
基本上沒有機會在RAM中進行reduce，相反，它將不得不通過壹個臨時collection來將數據寫回磁盤，然後按順序讀取並進行reduce。
使用多線程
MongoDB對單獨的MR作業並不使用多線程——它僅僅對多作業使用多線程。但通過多核CPU，在單個服務器使用Hadoop風格來並行作業非常有優勢。我們需要做的是把輸入分成幾塊，通過各個塊來加速壹個MR作業。也許數據集有簡單的方法來分割，但其他使用splitVector命令（不明確）可以使妳很快的找到分割點
使用多數據庫
問題是在多線程之間會有很多鎖競爭。在上鎖時，MR並不是那麽無私的(它每1000次讀操作就會產生壹次鎖定)，而且MR任務還會執行許多寫操作，導致線程最終都會在等待另壹個線程。由於每個MongoDB數據庫都有私有鎖，讓我們嘗試為每壹個線程使用壹個不同的輸出數據庫
使用純JavaScript模式
當把輸入數據拆分到不同線程上去的時候，發生了壹些有趣的事情:每個線程現在有大約250000個不同的值來輸出，而不是1百萬。這意味著我們可以使用“純JS模式”，它可以通過使用jsMode:true來開啟。開啟後，MongoDB在處理時將不會把對象在JS和BSON之間來回翻譯，相反，它使用壹個限額500000個key的內部JS字典來化簡所有對象。