在 mongo 聚合框架中可以使用选项{allowDiskUse:true}。这在一些无法在内存中执行的繁重操作（例如排序）时非常有用。
我正在尝试对createView（在 Mongo 3.4 中可用）做同样的事情，但我找不到allowDiskUse可以引入的地方。
在正常的聚合框架中：
db.mydb.aggregate([....,{$sort:{"a":-1}}],{allowDiskUse:true})
有效，但是：
db.createView("newview","mydb",[....,{$sort:{"a":-1}}],{allowDiskUse:true})
产生错误
The field 'allowDiskUse' is not a valid collection option.
当然，我可以删除{allowDiskUse:true}. 然后创建视图，但是当我尝试时：
> db.newview.find()
Error: error: {
"ok" : 0,
"errmsg" : "Sort exceeded memory limit of 104857600 bytes, but did not opt in to external sorting. Aborting operation. Pass allowDiskUse:true to opt in.",
"code" : 16819,
"codeName" : "Location16819"
}
如何创建包含大型操作的视图？
我有一个带有这种结构的小文件“naivebayestest.txt”
10 1:1
20 1:2
20 1:2
从这些数据中，我试图对向量 (1) 进行分类。如果我正确理解贝叶斯，则 (1) 的标签应该是 10（概率为 1！）。Spark MLlib 中的程序：
String path = "/usr/local/spark/data/mllib/bayestest.txt";
JavaRDD<LabeledPoint> training = MLUtils.loadLibSVMFile(jsc.sc(), path).toJavaRDD();
final NaiveBayesModel model = NaiveBayes.train(training.rdd());
Vector v = Vectors.dense(1);
double prediccion = model.predict(v);
System.out.println("Vector: "+v+" prediction: "+prediccion);
显示 Vector: [1.0] prediction: 20.0
我用 1050 个元素的训练集获得了相同的结果，形式的 350 (1/3)10 1:1和其余的20 1:2(2/3)，我仍然得到相同的预测 20.0 向量 1。
我究竟做错了什么？
我在尝试时遇到此错误
db.any.aggregate([
{ "$project": { n: {$gte: 0}} }
])
我肯定必须是明显的东西,但我找不到错误.从shell客户端使用mongo 3.4
从列表中创建JavaRDD的常用方法是使用 JavaSparkContext.parallelize(List)
但是,Spark 2.0 SparkSession用作入口点,我不知道如何从List创建JavaRDD