如何从JSON文件目录向mongoDB添加许多记录？

Question

我在目录"D:/ njs/nodetest1/imports/source1 /"的许多子目录中保存了大约一百万个JSON文件,我想将它们导入到我的mongoDB数据库中的"users"集合中.

以下代码正确遍历文件系统.如您所见,它会读取目录中的每个项目,如果该项目是目录,则会读取其中的每个项目.对于不是目录的每个项目,它在发送保存到函数的变量之前对其执行一些操作.

function traverseFS (path){
     var files = fs.readdirSync(path);
     for (var i in files){
          var currentFile = path + '/' + files[i];
          var stats = fs.statSync(currentFile);
          if (stats.isFile())
               runOnFile(currentFile);
          else
               traverseFS(currentFile);
     }
}
traverseFS("D:/njs/nodetest1/imports/source1/")

接下来,我对代码运行一些操作(见下文).这将读取文件,将其解析为JSON对象,将该对象的两个属性读入变量,在变量"entry"中创建一个对象,并将该变量传递给另一个函数.

function runOnFile(currentFile){
    var fileText = fs.readFileSync(currentFile,'utf8');
    var generatedJSON = JSON.parse(fileText);
    var recordID = generatedJSON.recordID;
    var recordText = generatedJSON.recordTexts;
    var entry = {recordID:recordID, recordText:recordText};
    insertRecord(entry);
}

然后应该使用最终函数将数据插入mongoDB.我认为这是出问题的地方.

function insertRecord(entry){
    var MongoClient = mongodb.MongoClient;
    var MongoURL = 'mongodb://localhost:27017/my_database_name';
    MongoClient.connect(MongoURL, function (err, db) {
         var collection = db.collection('users');
         collection.insert([entry], function (err, result) {
             db.close();
         });
     });
 }

我希望这会运行文件结构,将JSON文件读入对象,然后将这些对象插入到我的mongoDB中.相反,它将第一个文件读入数据库,然后停止/挂起.

笔记:

• 我不想使用mongoimport,因为我不想将这些文件中的所有数据都插入我的MongoDB数据库.然而,我并不依赖于这种方法的任何方面.如果存在其他解决方案,我愿意接受.
• 这很好地连接到数据库.对于目录中的每个项目,这将成功创建一个"条目"对象并将其传递给insertRecord函数.换句话说,问题必须出现在insertRecord部分.但显然这可能是由于此过程中的某些原因造成的.
• 如果我添加错误处理,则不会产生错误.我已经将错误处理从这篇文章中删除了,因为它使代码片段的可读性变得混乱.

Answer 1

根据mongodb2.2(最新的)文档,insert不推荐使用

弃用

使用insertOne,insertMany或bulkWrite

所以,简单的答案是很可能改变collection.insert([entry], ...)对collection.insertOne(entry, ...)你就大功告成了.

然后,对于长时间的回答,您说"大约有一百万个json文件",这通常需要一个完全异步的方法,并且开销最小.

示例代码中存在两个(潜在的)瓶颈:

• fs.readFileSync,这是一个阻塞操作
• 连接,插入记录和关闭数据库连接

两者都执行"大约一百万次".当然,导入通常不会一次又一次地进行,并且(希望)不会在需要其性能用于其他重要任务的机器上进行.尽管如此,示例代码仍然可以更加健壮.

考虑使用该glob模块获取json文件列表.

glob('imports/**/*.json', function(error, files) {...})

这样可以轻松地以异步方式为您提供完整的文件列表.

然后考虑只连接一次数据库,插入所有内容并关闭一次.

保持与样本中的步骤大致相同,我建议如下:

var glob = require('glob'),
    mongodb = require('mongodb'),
    fs = require('fs'),
    MongoClient = mongodb.MongoClient,
    mongoDSN = 'mongodb://localhost:27017/my_database_name',
    collection; //  moved this to the "global" scope so we can do it only once

function insertRecord(json, done) {
    var recordID = json.recordID || null,
        recordText = json.recordText || null;

    //  the question implies some kind of validation/sanitation/preparation..
    if (recordID && recordText) {
        //  NOTE: insert was changed to insertOne
        return collection.insertOne({recordID: recordID, recordText: recordText}, done);
    }

    done('No recordID and/or recordText');
}

function runOnFile(file, done) {
    //  moved to be async
    fs.readFile(file, function(error, data) {
        if (error) {
            return done(error);
        }

        var json = JSON.parse(data);

        if (!json) {
            return done('Unable to parse JSON: ' + file);
        }

        insertRecord(json, done);
    });
}

function processFiles(files, done) {
    var next = files.length ? files.shift() : null;

    if (next) {
        return runOnFile(next, function(error) {
            if (error) {
                console.error(error);
                // you may or may not want to stop here by throwing an Error
            }

            processFiles(files, done);
        });
    }

    done();
}

MongoClient.connect(mongoDSN, function(error, db) {
    if (error) {
        throw new Error(error);
    }

    collection = db.collection('users');

    glob('imports/**/*.json', function(error, files) {
        if (error) {
            throw new Error(error);
        }

        processFiles(files, function() {
            console.log('all done');
            db.close();
        });
    });
});

注意:您可以收集多个"条目"记录以利用多个插入的性能增益insertMany,但我感觉插入的记录比描述的更复杂,如果处理不当可能会给出一些内存问题.