javascript - 使用 Mongoose 架构导入 CSV

Question

目前，我需要将一个大型 CSV 文件推送到 mongo DB 中，并且值的顺序需要确定数据库条目的键:

CSV 文件示例:

9,1557,358,286,Mutantville,4368,2358026,,M,0,0,0,1,0
9,1557,359,147,Wroogny,4853,2356061,,D,0,0,0,1,0

将其解析为数组的代码:

var fs = require("fs");

var csv = require("fast-csv");

fs.createReadStream("rank.txt")
    .pipe(csv())
    .on("data", function(data){
        console.log(data);
    })
    .on("end", function(data){
        console.log("Read Finished");
    });

代码输出:

[ '9',
  '1557',
  '358',
  '286',
  'Mutantville',
  '4368',
  '2358026',
  '',
  'M',
  '0',
  '0',
  '0',
  '1',
  '0' ]
[ '9',
  '1557',
  '359',
  '147',
  'Wroogny',
  '4853',
  '2356061',
  '',
  'D',
  '0',
  '0',
  '0',
  '1',
  '0' ]

如何将数组插入到我的 mongoose 架构中以进入 mongo db？

架构:

var mongoose = require("mongoose");


var rankSchema = new mongoose.Schema({
   serverid: Number,
   resetid: Number,
   rank: Number,
   number: Number,
   name: String,
   land: Number,
   networth: Number,
   tag: String,
   gov: String,
   gdi: Number,
   protection: Number,
   vacation: Number,
   alive: Number,
   deleted: Number
});

module.exports = mongoose.model("Rank", rankSchema);

数组的顺序需要与模式的顺序匹配，例如在数组中，第一个数字 9 需要始终保存为键“serverid”等。我正在使用 Node.JS

Answer 1

您可以通过获取 headers 使用 fast-csv 来完成此操作来自模式定义，它将返回解析的行作为“对象”。实际上，您有一些不匹配的地方，因此我已对它们进行了更正标记:

const fs = require('mz/fs');
const csv = require('fast-csv');

const { Schema } = mongoose = require('mongoose');

const uri = 'mongodb://localhost/test';

mongoose.Promise = global.Promise;
mongoose.set('debug', true);

const rankSchema = new Schema({
  serverid: Number,
  resetid: Number,
  rank: Number,
  name: String,
  land: String,         // <-- You have this as Number but it's a string
  networth: Number,
  tag: String,
  stuff: String,        // the empty field in the csv
  gov: String,
  gdi: Number,
  protection: Number,
  vacation: Number,
  alive: Number,
  deleted: Number
});

const Rank = mongoose.model('Rank', rankSchema);

const log = data => console.log(JSON.stringify(data, undefined, 2));

(async function() {

  try {
    const conn = await mongoose.connect(uri);

    await Promise.all(Object.entries(conn.models).map(([k,m]) => m.remove()));

    let headers = Object.keys(Rank.schema.paths)
      .filter(k => ['_id','__v'].indexOf(k) === -1);

    console.log(headers);

    await new Promise((resolve,reject) => {

      let buffer = [],
          counter = 0;

      let stream = fs.createReadStream('input.csv')
        .pipe(csv({ headers }))
        .on("error", reject)
        .on("data", async doc => {
          stream.pause();
          buffer.push(doc);
          counter++;
          log(doc);
          try {
            if ( counter > 10000 ) {
              await Rank.insertMany(buffer);
              buffer = [];
              counter = 0;
            }
          } catch(e) {
            stream.destroy(e);
          }

          stream.resume();

        })
        .on("end", async () => {
          try {
            if ( counter > 0 ) {
              await Rank.insertMany(buffer);
              buffer = [];
              counter = 0;
              resolve();
            }
          } catch(e) {
            stream.destroy(e);
          }
        });

    });


  } catch(e) {
    console.error(e)
  } finally {
    process.exit()
  }


})()

只要架构实际上与提供的 CSV 一致，就可以了。这些是我可以看到的更正，但如果您需要以不同方式对齐实际的字段名称，那么您需要进行调整。但基本上有一个 Number在有 String 的位置本质上是一个额外的字段，我认为它是 CSV 中的空白字段。

一般情况是从架构中获取字段名称数组，并在创建 csv 解析器实例时将其传递到选项中:

let headers = Object.keys(Rank.schema.paths)
  .filter(k => ['_id','__v'].indexOf(k) === -1);

let stream = fs.createReadStream('input.csv')
  .pipe(csv({ headers }))

一旦你真正这样做了，你就会得到一个“对象”而不是一个数组:

{
  "serverid": "9",
  "resetid": "1557",
  "rank": "358",
  "name": "286",
  "land": "Mutantville",
  "networth": "4368",
  "tag": "2358026",
  "stuff": "",
  "gov": "M",
  "gdi": "0",
  "protection": "0",
  "vacation": "0",
  "alive": "1",
  "deleted": "0"
}

不用担心“类型”，因为 Mongoose 会根据模式转换值。

剩下的事情发生在 data 的处理程序中事件。为了获得最大效率，我们使用 insertMany() 每 10,000 行才写入数据库一次。它实际上如何到达服务器并进行处理取决于 MongoDB 版本，但根据您为单个集合导入的平均字段数(在内存使用和编写合理的网络请求方面的“权衡”)，10,000 个应该是相当合理的。如有必要，请减小数字。

重要的部分是将这些调用标记为 async功能和await insertMany() 的结果在继续之前。我们还需要 pause() 流和 resume() 在每个项目上，否则我们将面临覆盖 buffer 的风险在实际发送之前插入的文档数量。 pause() 和 resume() 有必要在管道上施加“背压”，否则元素会不断“出来”并触发 data事件。

当然，对 10,000 个条目的控制要求我们在每次迭代和流完成时进行检查，以便清空缓冲区并将任何剩余文档发送到服务器。

这确实是您想要做的，因为您当然不想在 data 的“每次”迭代中都向服务器发出异步请求。事件或基本上无需等待每个请求完成。您可以不检查“非常小的文件”，但对于任何现实世界的负载，由于尚未完成的“飞行中”异步调用，您肯定会超出调用堆栈。

<小时/>

仅供引用 - a package.json用过的。 mz 是可选的，因为它只是一个现代化的 Promise我只是习惯使用标准 Node “内置”库的启用库。该代码当然可以与fs完全互换。模块。

{
  "description": "",
  "main": "index.js",
  "dependencies": {
    "fast-csv": "^2.4.1",
    "mongoose": "^5.1.1",
    "mz": "^2.7.0"
  },
  "keywords": [],
  "author": "",
  "license": "ISC"
}

<小时/>

实际上，使用 Node v8.9.x 及更高版本，我们甚至可以通过 AsyncIterator 的实现使这变得更简单。通过 stream-to-iterator 模块。仍然在 Iterator<Promise<T>>模式，但应该在 Node v10.x 成为稳定的 LTS 之前这样做:

const fs = require('mz/fs');
const csv = require('fast-csv');
const streamToIterator = require('stream-to-iterator');

const { Schema } = mongoose = require('mongoose');

const uri = 'mongodb://localhost/test';

mongoose.Promise = global.Promise;
mongoose.set('debug', true);

const rankSchema = new Schema({
  serverid: Number,
  resetid: Number,
  rank: Number,
  name: String,
  land: String,
  networth: Number,
  tag: String,
  stuff: String,        // the empty field
  gov: String,
  gdi: Number,
  protection: Number,
  vacation: Number,
  alive: Number,
  deleted: Number
});

const Rank = mongoose.model('Rank', rankSchema);

const log = data => console.log(JSON.stringify(data, undefined, 2));

(async function() {

  try {
    const conn = await mongoose.connect(uri);

    await Promise.all(Object.entries(conn.models).map(([k,m]) => m.remove()));

    let headers = Object.keys(Rank.schema.paths)
      .filter(k => ['_id','__v'].indexOf(k) === -1);

    //console.log(headers);

    let stream = fs.createReadStream('input.csv')
      .pipe(csv({ headers }));

    const iterator = await streamToIterator(stream).init();

    let buffer = [],
        counter = 0;

    for ( let docPromise of iterator ) {
      let doc = await docPromise;
      buffer.push(doc);
      counter++;

      if ( counter > 10000 ) {
        await Rank.insertMany(buffer);
        buffer = [];
        counter = 0;
      }
    }

    if ( counter > 0 ) {
      await Rank.insertMany(buffer);
      buffer = [];
      counter = 0;
    }

  } catch(e) {
    console.error(e)
  } finally {
    process.exit()
  }

})()

基本上，所有流“事件”处理以及暂停和恢复都被一个简单的 for 所取代。循环:

const iterator = await streamToIterator(stream).init();

for ( let docPromise of iterator ) {
  let doc = await docPromise;
  // ... The things in the loop
}

简单!这会在以后的 Node 实现中通过 for..await..of 进行清理。当它变得更加稳定时。但上面的代码在指定版本及以上版本上运行良好。