关于python：在Mongo中使用生成器迭代一个大集合


Using a generator to iterate over a large collection in Mongo

我有一个包含 500K 文档的集合，这些文档存储在单个节点 mongo 上。我的 pymongo cursor.find() 时不时会因为超时而失败。

虽然我可以将 find 设置为忽略超时，但我不喜欢这种方法。相反，我尝试了一个生成器(改编自这个答案和这个链接)：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def mongo_iterator(self, cursor, limit=1000):
        skip = 0
        while True:
            results = cursor.find({}).sort("signature", 1).skip(skip).limit(limit)

            try:
                results.next()

            except StopIteration:
                break

            for result in results:
                yield result

            skip += limit

然后我使用以下方法调用此方法：

1
2
3
ref_results_iter = self.mongo_iterator(cursor=latest_rents_refs, limit=50000)
for ref in ref_results_iter:
    results_latest1.append(ref)

问题：
我的迭代器不会返回相同数量的结果。问题是 next() 使光标前进。所以每次通话我都会失去一个元素...

问题：
有没有办法调整这段代码，以便我可以检查下一个是否存在？ Pymongo 3x 不提供 hasNext() 并且 'alive' 检查不保证返回 false。

相关讨论

.find() 方法采用额外的关键字参数。其中之一是 no_cursor_timeout 您需要将其设置为 True

1
cursor = collection.find({}, no_cursor_timeout=True)

您不需要编写自己的生成器函数。 find() 方法返回一个类似 object.

的生成器

为什么不使用

1
2
for result in results:
    yield result

for 循环应该为你处理 StopIteration。

相关讨论