pymongo中的快速或批量上插

Question

如何在pymongo中执行批量上插？我想更新一堆条目，并且一次只做一条，速度很慢。

这个问题的答案几乎相同的问题就在这里：Bulk update/upsert in MongoDB?

接受的答案实际上并没有回答这个问题。它只是提供了一个链接到mongo CLI进行导入/导出。

我也将开放给别人解释为什么做一个散装UPSERT是没有可能的/没有最好的做法，但我们解释一下这种问题的首选解决方案是什么。

谢谢！

Answer 1

答案是一样的：散装upserts不支持。

Answer 2

，您可以更新使用多=真符合您查询指定的所有文件。

有一个关于做一个批处理命令你所希望的方式错误here。

Answer 3

的MongoDB 2.6+有批量操作的支持。这包括批量插入，upserts，更新等。这样做的目的是减少/消除按记录操作（按文档逐个记录）的往返等待时间的延迟是正确的。

那么，如何工作的呢？在Python的例子，因为这是我参与的工作。

>>> import pymongo 
>>> pymongo.version 
'2.7rc0' 

要使用此功能，我们创建了一个“散”对象，文档添加到它，然后调用执行它，它会发送所有更新立刻。注意事项：所收集操作的BSON大小（bsonsizes的总和）不得超过16 MB的文档大小限制。当然，操作次数因此可能会有很大差异，您的里程可能会有所不同。

实施例的散装UPSERT操作Pymongo：

import pymongo 
conn = pymongo.MongoClient('myserver', 8839) 
db = conn['mydbname'] 
coll = db.myCollection 
bulkop = coll.initialize_ordered_bulk_op() 
retval = bulkop.find({'field1':1}).upsert().update({'$push':{'vals':1}) 
retval = bulkop.find({'field1':1}).upsert().update({'$push':{'vals':2}) 
retval = bulkop.find({'field1':1}).upsert().update({'$push':{'vals':3}) 
retval = bulkop.execute() 

这是必不可少的方法。更多信息请访问：

http://api.mongodb.org/python/2.7rc1/examples/bulk.html

Answer 4

仅在pymongo 2.7+

http://api.mongodb.org/python/current/examples/bulk.html

Answer 5

pymongo的现代版本（比3.X以上）在降级其中一个一致的界面包裹批量操作服务器版本不支持批量操作。这在MongoDB官方支持的驱动程序中现在是一致的。

因此，编码的首选方法是使用bulk_write()，而不是使用UpdateOne其他适当的操作操作。现在当然，最好使用自然语言列表，而不是一个具体的建设者

旧机制的文档的直接翻译：

from pymongo import UpdateOne 

operations = [ 
    UpdateOne({ "field1": 1},{ "$push": { "vals": 1 } },upsert=True), 
    UpdateOne({ "field1": 1},{ "$push": { "vals": 2 } },upsert=True), 
    UpdateOne({ "field1": 1},{ "$push": { "vals": 3 } },upsert=True) 
] 

result = collection.bulk_write(operations) 

或者经典的文档转换循环：

import random 
from pymongo import UpdateOne 

random.seed() 

operations = [] 

for doc in collection.find(): 
    # Set a random number on every document update 
    operations.append(
     UpdateOne({ "_id": doc["_id"] },{ "$set": { "random": random.randint(0,10) } }) 
    ) 

    # Send once every 1000 in batch 
    if (len(operations) == 1000): 
     collection.bulk_write(operations,ordered=False) 
     operations = [] 

if (len(operations) > 0): 
    collection.bulk_write(operations,ordered=False) 

返回的结果为BulkWriteResult，其中将包含匹配和更新文档的计数器以及发生的任何“upserts”的返回_id值。

对于批量操作数组的大小存在一些误解。发送到服务器的实际请求不能超过16MB BSON限制，因为该限制也适用于发送到使用BSON格式的服务器的“请求”。

但是，这并不能控制您可以构建的请求数组的大小，因为实际操作只能以批处理方式发送和处理1000。唯一真正的限制是那1000条操作指令本身并不实际创建大于16MB的BSON文档。这确实是一个很高的命令。

批量方法的一般概念是“较少流量”，因为一次发送很多东西，只处理一个服务器响应。减少每个更新请求的开销可以节省大量时间。

Answer 6

与Python 3.5 +最快的批量更新，电机和ASYNCIO：

import asyncio 
import datetime 
import logging 
import random 
import time 

import motor.motor_asyncio 
import pymongo.errors 


async def execute_bulk(bulk): 
    try: 
     await bulk.execute() 
    except pymongo.errors.BulkWriteError as err: 
     logging.error(err.details) 


async def main(): 
    cnt = 0 
    bulk = db.initialize_unordered_bulk_op() 
    tasks = [] 
    async for document in db.find({}, {}, no_cursor_timeout=True): 
     cnt += 1 
     bulk.find({'_id': document['_id']}).update({'$set': {"random": random.randint(0,10)}}) 
     if not cnt % 1000: 
      task = asyncio.ensure_future(execute_bulk(bulk)) 
      tasks.append(task) 
      bulk = db.initialize_unordered_bulk_op() 
    if cnt % 1000: 
     task = asyncio.ensure_future(bulk.execute(bulk)) 
     tasks.append(task) 
    logging.info('%s processed', cnt) 
    await asyncio.gather(*tasks) 


logging.basicConfig(level='INFO')  
db = motor.motor_asyncio.AsyncIOMotorClient()['database']['collection'] 
start_time = time.time() 
loop = asyncio.get_event_loop() 
try: 
    loop.run_until_complete(main()) 
finally: 
    execution_time = time.time() - start_time 
    logging.info('Execution time: %s', datetime.timedelta(seconds=execution_time)) 

Answer 7

如果你有很多的数据，你想，如果存在数据用“_id”的判断，

你可以试试...

import pymongo 
from pymongo import UpdateOne 
client = pymongo.MongoClient('localhost', 27017) 
db=client['sampleDB'] 

collectionInfo = db.sample 

#sample data 
datas=[ 
    {"_id":123456,"name":"aaa","N":1,"comment":"first sample","lat":22,"lng":33}, 
    {"_id":234567,"name":"aaa","N":1,"comment":"second sample","lat":22,"lng":33}, 
    {"_id":345678,"name":"aaa","N":1,"comment":"xxx sample","lat":22,"lng":33}, 
    {"_id":456789,"name":"aaa","N":1,"comment":"yyy sample","lat":22,"lng":33}, 
    {"_id":123456,"name":"aaaaaaaaaaaaaaaaaa","N":1,"comment":"zzz sample","lat":22,"lng":33}, 
    {"_id":11111111,"name":"aaa","N":1,"comment":"zzz sample","lat":22,"lng":33} 
] 

#you should split judge item and other data 
ids=[data.pop("_id") for data in datas] 

operations=[UpdateOne({"_id":idn},{'$set':data},upsert=True) for idn ,data in zip(ids,datas)] 

collectionInfo.bulk_write(operations) 

我的英语很差，如果你不明白我说什么，我很抱歉