python - 带有生成器的 PyMongo 批量写入操作特性

Question

我想使用 PyMongo 的 bulk执行写操作的写操作功能分批处理以减少网络往返次数并增加仪式吞吐量。

我还找到了here可以使用 5000 作为批号。

但是，我不想要批号的最佳大小以及如何在以下代码中将 PyMongo 的批量写入操作功能与生成器相结合？

from pymongo import MongoClient
from itertools import groupby
import csv


def iter_something(rows):
    key_names = ['type', 'name', 'sub_name', 'pos', 's_type', 'x_type']
    chr_key_names = ['letter', 'no']
    for keys, group in groupby(rows, lambda row: row[:6]):
        result = dict(zip(key_names, keys))
        result['chr'] = [dict(zip(chr_key_names, row[6:])) for row in group]
        yield result


def main():
    converters = [str, str, str, int, int, int, str, int]
    with open("/home/mic/tmp/test.txt") as c:
    reader = csv.reader(c, skipinitialspace=True)
    converted = ([conv(col) for conv, col in zip(converters, row)] for row in reader)
    for object_ in iter_something(converted):
        print(object_)


if __name__ == '__main__':
    db = MongoClient().test
    sDB = db.snps 
    main()

test.txt 文件:

  Test, A, B01, 828288,  1,    7, C, 5
  Test, A, B01, 828288,  1,    7, T, 6
  Test, A, B01, 171878,  3,    7, C, 5
  Test, A, B01, 171878,  3,    7, T, 6
  Test, A, B01, 871963,  3,    9, A, 5
  Test, A, B01, 871963,  3,    9, G, 6
  Test, A, B01, 1932523, 1,   10, T, 4
  Test, A, B01, 1932523, 1,   10, A, 5
  Test, A, B01, 1932523, 1,   10, X, 6
  Test, A, B01, 667214,  1,   14, T, 4
  Test, A, B01, 667214,  1,   14, G, 5
  Test, A, B01, 67214,   1,   14, G, 6      

Answer 1

你可以简单地做:

sDB.insert(iter_something(converted))

PyMongo 将做正确的事情:迭代您的生成器，直到生成 1000 个文档或 16MB 的数据，然后在将批处理插入 MongoDB 时暂停生成器。插入批处理后，PyMongo 会恢复您的生成器以创建下一批处理，并继续直到插入所有文档。然后 insert() 返回插入文档 ID 的列表。

在 this commit 中向 PyMongo 添加了对生成器的初始支持从那时起，我们就一直支持文档生成器。