PHP和MongoDB結合使用時，MapReduce是一種非常高效的數據處理方式。它是一種數據處理模型，可以從非常大的數據庫集合中提取需要的信息。

舉例來說，在一個電商網站中，如果我們需要對客戶的購買記錄進行數據分析，我們可以利用MapReduce的技術。以下是一個基于MongoDB和PHP實現的MapReduce示例：

db.sales.mapReduce(
function() {
emit(this.customer_id, this.total_price); 
},
function(key, values) { 
var total = 0;
for (var i = 0; i< values.length; i++) {
total += values[i]; 
}
return total; 
},
{
query: { date: { $gt: new Date("2018-01-01"), $lt: new Date("2019-01-01") } },
out: "customer_totals"
}
);

在此示例中，我們可以看到，我們首先指定了Map（映射）和Reduce（歸約）函數。映射函數通過“發射（emit）”方法，將每個客戶ID關聯的消費總額發射出去。在“Reduce”函數中，我們將每個客戶ID的消費總額進行累加，并返回最終結果。最后我們設置了一個查詢條件，指定了要分析的時間段，并將結果輸出到另一個集合中。

使用PHP進行MapReduce的代碼示例如下：

$m = new MongoClient();
$db = $m->selectDB('test');
$sales = $db->selectCollection('sales');
$map = new MongoCode("function() {
emit(this.customer_id, this.total_price); 
}");
$reduce = new MongoCode("function(key, values) {
var total = 0;
for (var i = 0; i< values.length; i++) {
total += values[i];
}
return total;
}");
$cond = array(
'date' =>array(
'$gt' =>new MongoDate(strtotime('2018-01-01')),
'$lt' =>new MongoDate(strtotime('2019-01-01'))
)
);
$out = array('out' =>'customer_totals');
$sales->mapReduce($map, $reduce, $out, $cond);

在上述代碼中，我們首先使用MongoDB的PHP擴展程序創建了一個MongoDB連接對象，并選擇了名為“test”的數據庫和名為“sales”的集合。接下來，我們定義了Map和Reduce函數，并設置了查詢條件和輸出選項，最后我們將MapReduce的結果寫入到名為“customer_totals”的集合中。

總體來說，PHP和MongoDB結合使用的MapReduce技術非常強大，能夠快速地對大規模的數據集合進行分析，并獲得非常豐富的數據。