如何最有效地更新MongoDB中的大量文档？

Question

我想最有效地更新大量(> 100,000)文档.

我的第一个天真的方法是在JS级别上进行,编写首先获取_ids的脚本,然后遍历_ids并通过_id(完整文档或$ set patch)调用更新.

我遇到了内存问题,还将数据分成最大块.500个文档(打开和关闭连接)似乎不能很好地工作.

那么我怎样才能在MongoDB级别上解决这个问题呢？
最佳实践？

我有3个常见用例,通常是维护工作流程:

1.更改属性值的类型,而不更改值.

// before
{
  timestamp : '1446987395'
}

// after
{
  timestamp : 1446987395
}

2.根据现有属性的值添加新属性.

// before
{
  firstname : 'John',
  lastname  : 'Doe'
}

// after
{
  firstname : 'John',
  lastname  : 'Doe',
  name      : 'John Doe'
}

3.只需从文档中添加删除属性.

// before
{
  street    : 'Whatever Ave',
  street_no : '1025'
}

// after
{
  street    : 'Whatever Ave',
  no        : '1025'
}

谢谢你的帮助.

Answer 1

如果您的MongoDB服务器是2.6或更高版本,最好利用写命令批量API,允许执行批量update操作,这些操作只是服务器顶部的抽象,以便轻松构建批量操作.这些批量操作主要有两种形式:

• 订购批量操作.这些操作按顺序执行所有操作,并在第一次写入错误时执行错误输出.
• 无序批量操作.这些操作并行执行所有操作并聚合所有错误.无序批量操作不保证执行顺序.

请注意,对于比2.6更旧的服务器,API将下转换操作.然而,不可能将100%下转换,因此可能存在一些无法正确报告正确数字的边缘情况.

对于您的三个常见用例,您可以像这样实现批量API:

案例1.更改属性值的类型,而不更改值:

var MongoClient = require('mongodb').MongoClient;

MongoClient.connect("mongodb://localhost:27017/test", function(err, db) {
    // Handle error
    if(err) throw err;

    // Get the collection and bulk api artefacts
    var col = db.collection('users'),           
        bulk = col.initializeOrderedBulkOp(), // Initialize the Ordered Batch
        counter = 0;        

    // Case 1. Change type of value of property, without changing the value.        
    col.find({"timestamp": {"$exists": true, "$type": 2} }).each(function (err, doc) {

        var newTimestamp = parseInt(doc.timestamp);
        bulk.find({ "_id": doc._id }).updateOne({
            "$set": { "timestamp": newTimestamp }
        });

        counter++;

        if (counter % 1000 == 0 ) {
            bulk.execute(function(err, result) {  
                // re-initialise batch operation           
                bulk = col.initializeOrderedBulkOp();
            });
        }
    });

    if (counter % 1000 != 0 ){
        bulk.execute(function(err, result) {
            // do something with result
            db.close();
        }); 
    } 
});

案例2.根据现有属性的值添加新属性:

MongoClient.connect("mongodb://localhost:27017/test", function(err, db) {
    // Handle error
    if(err) throw err;

    // Get the collection and bulk api artefacts
    var col = db.collection('users'),           
        bulk = col.initializeOrderedBulkOp(), // Initialize the Ordered Batch
        counter = 0;        

    // Case 2. Add new property based on value of existing property.        
    col.find({"name": {"$exists": false } }).each(function (err, doc) {

        var fullName = doc.firstname + " " doc.lastname;
        bulk.find({ "_id": doc._id }).updateOne({
            "$set": { "name": fullName }
        });

        counter++;

        if (counter % 1000 == 0 ) {
            bulk.execute(function(err, result) {  
                // re-initialise batch operation           
                bulk = col.initializeOrderedBulkOp();
            });
        }
    });

    if (counter % 1000 != 0 ){
        bulk.execute(function(err, result) {
            // do something with result
            db.close();
        }); 
    } 
});

案例3.只需从文档中添加删除属性.

MongoClient.connect("mongodb://localhost:27017/test", function(err, db) {
    // Handle error
    if(err) throw err;

    // Get the collection and bulk api artefacts
    var col = db.collection('users'),           
        bulk = col.initializeOrderedBulkOp(), // Initialize the Ordered Batch
        counter = 0;        

    // Case 3. Simply adding removing properties from documents.    
    col.find({"street_no": {"$exists": true } }).each(function (err, doc) {

        bulk.find({ "_id": doc._id }).updateOne({
            "$set": { "no": doc.street_no },
            "$unset": { "street_no": "" }
        });

        counter++;

        if (counter % 1000 == 0 ) {
            bulk.execute(function(err, result) {  
                // re-initialise batch operation           
                bulk = col.initializeOrderedBulkOp();
            });
        }
    });

    if (counter % 1000 != 0 ){
        bulk.execute(function(err, result) {
            // do something with result
            db.close();
        }); 
    } 
});