如何正确迭代一个大的json文件

Question

亲爱的Stackoverflow社区,

我有一个34 GB的json文件,里面有很多数据.我试图通过使用mongoimport --file file.json导入到我的mongodb中 - 但它失败了,因为文件太大而且扔了一个你知道的内存系统抛出错误.是否可以使用PHP代码使用游标迭代文件？我对此没有经验,有人告诉我这是可能的.我想知道文件是如何构建的,但我不知道如何查看它的示例数组.从源代码我可以得到一个示例数组:

{
     "_id": ObjectId("53b29644aafd413977b23b7e"),
     "summonerId": NumberLong(24570940),
     "region": "euw",
     "updatedAt": NumberLong(1404212804),
     "season": NumberLong(4),
     "stats": {
         "110": {
             "totalSessionsPlayed": NumberLong(3),
             "totalSessionsLost": NumberLong(2),
             "totalSessionsWon": NumberLong(1),
             "totalChampionKills": NumberLong(34),
             "totalDamageDealt": NumberLong(415051),
             "totalDamageTaken": NumberLong(63237),
             "mostChampionKillsPerSession": NumberLong(12),
             "totalMinionKills": NumberLong(538),
             "totalDoubleKills": NumberLong(5),
             "totalTripleKills": NumberLong(1),
             "totalDeathsPerSession": NumberLong(18),
             "totalGoldEarned": NumberLong(40977),
             "totalTurretsKilled": NumberLong(6),
             "totalPhysicalDamageDealt": NumberLong(381668),
             "totalMagicDamageDealt": NumberLong(31340),
             "totalAssists": NumberLong(25),
             "maxChampionsKilled": NumberLong(12),
             "maxNumDeaths": NumberLong(10)
         }
     }
 }

字段统计包含更多数组,110只是一个示例.如何迭代这个大文件或如何将其导入我的mongodb？例如; 我想要回忆summonerid,championid(在这种情况下是110),totalSessionsPlayed.它必须尽可能多地重新循环,直到没有为这个特殊的召唤者留下任何冠军.

再一次......一个召唤者ID有一个在他的职业生涯中一直在玩的冠军名单.冠军指的是(在这个例子中)110.每一个召唤者都可以包含多个冠军,我希望拥有所有冠军,召唤者总共玩过多少次冠军(全部激情).

Answer 1

您将需要使用流式解析器.这些只能一次将文件的一小部分拉入内存.

它们有几种不同的风格:类似SAX的推送解析器和拉解析器.XML阅读器模型:SAX与XML pull解析器概述了差异.

推分析器

这是使用salsify/json-streaming-parser的快速示例.

当它通过滚动文件,我们会继续跟踪的summonerId,championId和状态.它都是基于事件的 - 您不会使用顺序解析器进行随机访问,因此您必须自己跟踪事物.每次totalSessionsPlayed出现时,它会回声出summonerId,championId和totalSessionsPlayed.

data.json

这是一个用于演示目的的配对json文件.

[
    {
        "_id": "53b29644aafd413977b23b7e",
        "summonerId": 24570940,
        "region": "euw",
        "stats": {
            "110": {
                "totalSessionsPlayed": 3,
                "totalSessionsLost": 2,
                "totalSessionsWon": 1
            },
            "112": {
                "totalSessionsPlayed": 45,
                "totalSessionsLost": 2,
                "totalSessionsWon": 1
            }
        }
    },
    {
        "_id": "asdfasdfasdf",
        "summonerId": 555555,
        "region": "euw",
        "stats": {
            "42": {
                "totalSessionsPlayed": 65,
                "totalSessionsLost": 2,
                "totalSessionsWon": 1
            },
            "88": {
                "totalSessionsPlayed": 99,
                "totalSessionsLost": 2,
                "totalSessionsWon": 1
            }
        }
    }
]

例:

class ListMatchUps extends JsonStreamingParser\Listener\IdleListener
{

    private $key;
    private $summonerId;
    private $championId;
    private $inStats;

    public function start_document()
    {
        $this->key        = null;
        $this->summonerId = null;
        $this->championId = null;
        $this->inStats    = false;
    }

    public function start_object()
    {
        if ($this->key === 'stats') {
            $this->inStats = true;
        } else if ($this->inStats) {
            $this->championId = $this->key;
        }
    }

    public function end_object()
    {
        if ($this->championId !== null) {
            $this->championId = null;
        } else if ($this->inStats) {
            $this->inStats = false;
        } else {
            $this->summonerId = null;
        }
    }

    public function key($key)
    {
        $this->key = $key;
    }

    public function value($value)
    {
        switch ($this->key) {
            case 'summonerId':
                $this->summonerId = $value;
                break;
            case 'totalSessionsPlayed':
                echo "{$this->summonerId},{$this->championId},$value\n";
                break;
        }
    }
}

$stream = fopen('data.json', 'r');
$listener = new ListMatchUps();
try {
    $parser = new JsonStreamingParser_Parser($stream, $listener);
    $parser->parse();
} catch (Exception $e) {
    fclose($stream);
    throw $e;
}

输出:

24570940,110,3
24570940,112,45
555555,42,65
555555,88,99

拉解析器

这是使用我最近编写的解析器,pcrov/jsonreader(需要PHP 7.)

与上面相同的data.json.

例:

use pcrov\JsonReader\JsonReader;

$reader = new JsonReader();
$reader->open("data.json");

while($reader->read("summonerId")) {
    $summonerId = $reader->value();
    $reader->next("stats");
    foreach($reader->value() as $championId => $stats) {
        echo "$summonerId, $championId, {$stats['totalSessionsPlayed']}\n";
    }
}
$reader->close();

输出:

24570940, 110, 3
24570940, 112, 45
555555, 42, 65
555555, 88, 99