我想计算存储在mongodb bson文件中的文档数,而不必通过mongo restore将文件导入到db中.
我能够在python中提出的最好的方法是
bson_doc = open('./archive.bson','rb')
it = bson.decode_file_iter(bson_doc)
total = sum(1 for _ in it)
print(total)
从理论上讲,这是可行的,但是当bson文档很大时,在实践中就很慢.任何人都可以在不进行完整解码的情况下更快地计算bson文档中文档的数量?
我目前正在使用python 2.7和pymongo.
https://api.mongodb.com/python/current/api/bson/index.html
解决方法:
我没有手头的文件,但我相信有办法-如果您要手动解析数据.
source for bson.decode_file_iter
(没有文档字符串)如下所示:
_UNPACK_INT = struct.Struct("<i").unpack
def decode_file_iter(file_obj, codec_options=DEFAULT_CODEC_OPTIONS):
while True:
# Read size of next object.
size_data = file_obj.read(4)
if len(size_data) == 0:
break # Finished with file normaly.
elif len(size_data) != 4:
raise InvalidBSON("cut off in middle of objsize")
obj_size = _UNPACK_INT(size_data)[0] - 4
elements = size_data + file_obj.read(obj_size)
yield _bson_to_dict(elements, codec_options)
我想,耗时的操作是_bson_to_dict调用-您不需要一个.
因此,您所需要做的就是读取文件-获取具有下一个文档大小的int32值并跳过它.然后计算执行此操作时遇到的文档数.
因此,我相信,此功能应该可以解决问题:
import struct
import os
from bson.errors import InvalidBSON
def count_file_documents(file_obj):
"""Counts how many documents provided BSON file contains"""
cnt = 0
while True:
# Read size of next object.
size_data = file_obj.read(4)
if len(size_data) == 0:
break # Finished with file normaly.
elif len(size_data) != 4:
raise InvalidBSON("cut off in middle of objsize")
obj_size = struct.Struct("<i").unpack(size_data)[0] - 4
# Skip the next obj_size bytes
file_obj.seek(obj_size, os.SEEK_CUR)
cnt += 1
return cnt
(不过,我尚未测试过代码.手头没有MongoDB.)