我正在尝试在 mongodb 中处理大约一亿条记录。基本上,每个 key (处方号)对应大约 1300 条记录(不是唯一的)。这些键已被索引。
现在,我正在使用 pymongo 查询特定键以返回这些结果集,以便可以使用 python 处理它们。
查询 mongo 是最大的瓶颈。每次查询大约需要20 秒。按照目前的速度,查询每条记录将需要 400 小时。
这就是我“解释”我的查询时的样子:
db.prescriptions.find({'key':68565299}).explain()
{
"cursor" : "BasicCursor",
"nscanned" : 103578563,
"nscannedObjects" : 103578563,
"n" : 1603,
"millis" : 287665,
"nYields" : 0,
"nChunkSkips" : 0,
"isMultiKey" : false,
"indexOnly" : false,
"indexBounds" : {
}
}
这表明我已经建立了索引
> db.prescriptions.getIndexes()
[
{
"v" : 1,
"key" : {
"_id" : 1
},
"ns" : "processed_data.prescriptions",
"name" : "_id_"
}
]
我是否因为尝试在一个服务器实例上运行此数据处理而感到疯狂? (有趣的是,当我运行 top 时,我的 CPU 和 RAM 似乎并未达到最大。)
如果有任何建议,我将不胜感激。
谢谢!!
最佳答案
添加索引
从查询的解释结果来看,“key”上没有索引,需要添加一个索引。
> db.prescriptions.addIndex({'key': 1});
如果 mongo 报告任何类型的警告,您需要采取行动
关于python - mongodb - 需要处理海量数据,只有一个服务器实例,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12237850/