mongodb学习中的困惑，希望能得到大家的帮助。

各位好，我目前遇到个问题，困扰了好久，希望大家能够给个指点。我们项目之前用的mysql，但考虑以后的数据量的发展趋势，考虑用mongodb，但就目前测试的情况而言，处理速度不是很理想，但我又担心是因为我自己测试有误，所以想听听各位的意见，谢谢。

mysql中有三个表：item(id,name)、theme(id,word)、itemtheme(itemid,themeid,word,type,weight)；

其中item 和theme是多对多的关系，所以抽出关系表itemtheme用于存放关联关系。

现在的业务逻辑是 做这样的一个操作   需要根据若干个theme.word查出 具有这些 word的item，并按照这若干个word的weight之和倒序排列，取出前200个itemid，举例说：

itemtheme中有


itemid themeid word type weight
101 11 china 1 100
101 12 gps 2 200
101 13 iphone 3 300
102 12 gps 1 100
102 13 iphone 2 200




根据上图的模拟数据，我的应用需要做这样的事情：找出 有china 和gps这两个word的itemid，然后对 china和gps这两个word的weight相加，然后按照这个和倒序排列，所以这个实例中得出的结果是 101 300.   sql语句 就是

select t1.itemid, (t1.weight + t2.weight) as sumWeight
from itemtheme t1
inner join itemtheme t2 on t1.itemid = t2.itemid
where t1.word= china and t2.word = gps
order by sumWeight desc;


现在我们向移植到mongodb上来，有一个集合叫做item 结构为:

{
        "_id" : ObjectId("4faae54a1ba46159a6ca4bfd"),
        "itemid" : 101,
        "name" : "iphone4s",
        "theme" : [
                {
                        "word" : "gps",
                        "weight" : 200,
                        "type" : 2
                },
                {
                        "word" : "china",
                        "weight" : 100,
                        "type" : 1
                }
        ]
}
所以为了完成上面的应用，我就用了mapreduce：

var mr = db.runCommand(
{
mapreduce:"item",
map:function(){
  varid = this.itemid;
  this.theme.forEach(function(t){
  if((t.word =="gps")||(t.word =="china")){
     emit(id,{weight:t.weight,word:t.word});
   }
  });
},
reduce:function(key,values){
  sumWeight = 0;
   for(var i=0;i<values.length;i++){
     var w = values[i].word;
     sumWeight += values[i].weight;
    }
   return{"weight":sumWeight};
},
query:{
   "theme.word":
       {
           $all:
              [
                "gps",
                "china"
              ]
       },
  },
out:"INLINE"
});

db[mr.result].find().sort({"value.weight":-1});

目前数据量 是1000万，也就是1000万个item,但目前我发现有几个问题不是很理解：

1. mapreduce的速度没有 mysql的快，请问我这个测试结果正确吗？

2. 有没有什么方法加快mapreduce的速度？

3. 官网说mapreduce 是为了再分布式下处理海量数据，mysql再怎么优化，都是由瓶颈的，所以才会出现nosql，那么要多大的数据量才选择放弃mysql用mongodb呢？

4. 网上有说 用hadoop的mapreduce 通过Mongodb Hadoop Connector 调用mongodb这样能加快处理速度，但就目前而言  我的观察是，hadoop的mapreduce启动时间就需要几秒，而目前我1000万数据用mongodb的mapreduce也是几秒能完成，貌似用hadoop的mapreduce有点大才小用了，不知道我这理解正确不？


ps：我个人觉得，还是数据量的问题，如果需求需要达到TB级别的，那么用mysql就不行了，这时就得考虑nosql 而作为mysql最好的nosql替代品，用mongodb是最合适的，mongodb有点中型nosql的感觉，而hadoop 的hbase 这一套体系有点巨型的感觉。而且我们的设计之前是基于关系数据库的思想，所以用nosql有点牵强，毕竟nosql的数据库是很弱化sql操作的，大部分的设计思想在设计层面就得抛弃关系数据库的思维，而用key-value的思维来设计数据库，但目前我们的应用是不可能变更设计的，所以这也是个很难平衡的问题，mapreduce本身就不是为了追求实时性，不是为了追求速度的，但mongodb本身的性能非常不错，find操作的速度是mysql的5倍以上，但关键是我们的应用用find实现不了，所以非常想听听各位前辈的意见，请多多指教，非常感谢！