草庐IT

java - MongoDB:无法使用游标遍历所有数据

coder 2023-10-28 原文

更新更新:

已解决!看到这个: MongoDB: cannot iterate through all data with cursor (because data is corrupted)

这是由损坏的数据集引起的。不是 MongoDB 或驱动程序。

我正在使用 MongoDB(2.4.6) 的最新 Java 驱动程序(2.11.3)。我有一个包含 ~250M 记录的集合，我想使用游标遍历所有记录。然而，大约 10 分钟后，我得到了一个错误的 cursor.hasNext()，或者一个异常表明游标在服务器上不存在。

在那之后，我了解了游标超时并用 try/catch 包装了我的 cursor.next()。如果有任何异常，或者 hasNext() 在遍历所有记录之前返回 false，程序将关闭游标并分配一个新游标，然后直接跳回上下文。

但后来我读到有关 cursor.skip() 性能问题的信息......程序刚刚达到 ~20M 记录，而 cursor.next() 在 cursor.skip() 抛出“java.util.NoSuchElementException”之后。我相信那是因为跳过操作超时，这使游标无效。

是的，我读过有关 skip() 性能问题和游标超时问题的信息...但现在我认为我陷入了进退两难的境地，解决一个问题会破坏另一个问题。

那么，有没有一种方法可以优雅地遍历庞大数据集中的所有数据？

@mnemosyn 已经指出我必须依赖基于范围的查询。但问题是我想把所有的数据拆分成16份在不同的机器上处理，而且数据在任何单调键空间内都不是均匀分布的。如果需要负载平衡，则必须有一种方法来计算特定范围内的键数并平衡它们。我的目标是将它们分成 16 个部分，所以我必须找到键的四分位数(抱歉，我不知道是否有数学术语)并使用它们来拆分数据。

有什么办法可以实现吗？

当第一次查找是通过获取分区边界键来实现时，我确实有一些想法。如果新光标再次超时，我可以简单地记录最新的 tweetID 并跳回新范围。但是，范围查询应该足够快，否则我仍然会超时。我对此没有信心......

更新:

问题解决了!我没有意识到我不必以大块的方式对数据进行分区。循环作业调度程序将执行此操作。请参阅已接受答案中的评论。

最佳答案

一般来说，是的。如果你有一个单调字段，最好是一个索引字段，你可以简单地沿着它走。例如，如果您使用 ObjectId 类型的字段作为主键，或者如果您有 CreatedDate 或其他内容，您可以简单地使用 $lt查询，取固定数量的元素，然后使用上一批遇到的最小_id或CreatedDate的$lt再次查询.

注意严格的单调行为与非严格的单调行为:如果键不严格，您可能必须使用 $lte，然后防止重复操作。由于 _id 字段是唯一的，ObjectIds 始终是严格单调的。

如果您没有这样的 key ，事情就有点棘手了。您仍然可以“沿着索引”进行迭代(无论是什么索引，可以是名称、哈希、UUID、Guid 等)。这同样有效，但是很难做快照，因为你永远不知道你刚刚找到的结果是否在你开始遍历之前插入，或者没有。此外，当在遍历开始时插入文档时，这些文档将被遗漏。

关于java - MongoDB:无法使用游标遍历所有数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19630795/

MongoDBjavacodesectioncursordatabase-cursor

有关java - MongoDB:无法使用游标遍历所有数据的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  3. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  4. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

  5. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  6. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

  7. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  8. ruby-on-rails - 由于 "wkhtmltopdf"，PDFKIT 显然无法正常工作 - 2

    我在从html页面生成PDF时遇到问题。我正在使用PDFkit。在安装它的过程中，我注意到我需要wkhtmltopdf。所以我也安装了它。我做了PDFkit的文档所说的一切......现在我在尝试加载PDF时遇到了这个错误。这里是错误:commandfailed:"/usr/local/bin/wkhtmltopdf""--margin-right""0.75in""--page-size""Letter""--margin-top""0.75in""--margin-bottom""0.75in""--encoding""UTF-8""--margin-left""0.75in""-

  9. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

  10. ruby - 使用 ruby​​ 将 HTML 转换为纯文本并维护结构/格式 - 2

    我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h

随机推荐