MongoDB select count (distinto x) en una columna indexada: cuente resultados únicos para grandes conjuntos de datos

He revisado varios artículos y ejemplos, y todavía tengo que encontrar una forma eficiente de hacer esta consulta SQL en MongoDB (donde hay millones de filas documentos)

Primer intento

(por ejemplo, de esta pregunta casi duplicada: ¿ equivalente de Mongo de SELECT DISTINCT de SQL? )

db.myCollection.distinct("myIndexedNonUniqueField").length

Obviamente recibí este error porque mi conjunto de datos es enorme

Thu Aug 02 12:55:24 uncaught exception: distinct failed: {
        "errmsg" : "exception: distinct too big, 16mb cap",
        "code" : 10044,
        "ok" : 0
}

Segundo intento

Decidí intentar hacer un grupo

db.myCollection.group({key: {myIndexedNonUniqueField: 1},
                initial: {count: 0}, 
                 reduce: function (obj, prev) { prev.count++;} } );

Pero recibí este mensaje de error en su lugar:

exception: group() can't handle more than 20000 unique keys

Tercer intento

No lo he probado todavía, pero hay varias sugerencias que implican mapReduce

p.ej

• este cómo hacer distintos y grupos en mongodb? (no aceptado, el autor de la respuesta / OP no lo probó)
• este grupo MongoDB por funcionalidades (parece similar al segundo intento)
• este http://blog.emmettshear.com/post/2010/02/12/Counting-Uniques-With-MongoDB
• este https://groups.google.com/forum/?fromgroups#!topic/mongodb-user/trDn3jJjqtE
• este http://cookbook.mongodb.org/patterns/unique_items_map_reduce/

también

Parece que hay una solicitud de extracción en GitHub que corrige el .distinctmétodo para mencionar que solo debería devolver un recuento, pero aún está abierto: https://github.com/mongodb/mongo/pull/34

Pero en este punto pensé que vale la pena preguntar aquí, ¿qué es lo último sobre el tema? ¿Debo pasar a SQL u otra base de datos NoSQL para distintos recuentos? o hay una forma eficiente?

Actualizar:

Este comentario sobre los documentos oficiales de MongoDB no es alentador, ¿es cierto?

http://www.mongodb.org/display/DOCS/Aggregation#comment-430445808

Actualización2:

Parece que el nuevo Aggregation Framework responde al comentario anterior ... (MongoDB 2.1 / 2.2 y superior, vista previa de desarrollo disponible, no para producción)

http://docs.mongodb.org/manual/applications/aggregation/

1) La forma más sencilla de hacerlo es a través del marco de agregación. Esto requiere dos comandos "$ group": el primero agrupa por valores distintos, el segundo cuenta todos los valores distintos

pipeline = [ 
    { $group: { _id: "$myIndexedNonUniqueField"}  },
    { $group: { _id: 1, count: { $sum: 1 } } }
];

//
// Run the aggregation command
//
R = db.runCommand( 
    {
    "aggregate": "myCollection" , 
    "pipeline": pipeline
    }
);
printjson(R);

2) Si desea hacer esto con Map / Reduce, puede hacerlo. Este también es un proceso de dos fases: en la primera fase creamos una nueva colección con una lista de cada valor distinto para la clave. En el segundo hacemos un recuento () de la nueva colección.

var SOURCE = db.myCollection;
var DEST = db.distinct
DEST.drop();


map = function() {
  emit( this.myIndexedNonUniqueField , {count: 1});
}

reduce = function(key, values) {
  var count = 0;

  values.forEach(function(v) {
    count += v['count'];        // count each distinct value for lagniappe
  });

  return {count: count};
};

//
// run map/reduce
//
res = SOURCE.mapReduce( map, reduce, 
    { out: 'distinct', 
     verbose: true
    }
    );

print( "distinct count= " + res.counts.output );
print( "distinct count=", DEST.count() );

Tenga en cuenta que no puede devolver el resultado del mapa / reducir en línea, porque eso potencialmente sobrepasará el límite de tamaño del documento de 16 MB. Usted puede ahorrar el cálculo de una colección y luego contar () el tamaño de la colección, o puede obtener el número de resultados a partir del valor de retorno de MapReduce ().

db.myCollection.aggregate( 
   {$group : {_id : "$myIndexedNonUniqueField"} }, 
   {$group: {_id:1, count: {$sum : 1 }}});

directo al resultado:

db.myCollection.aggregate( 
   {$group : {_id : "$myIndexedNonUniqueField"} }, 
   {$group: {_id:1, count: {$sum : 1 }}})
   .result[0].count;

La siguiente solución funcionó para mí

db.test.distinct ('usuario'); ["alex", "Inglaterra", "Francia", "Australia"]

db.countries.distinct ('país'). longitud 4