(编辑:jimmy 日期: 2024/12/23 浏览:2)
当我们使用Python从MongoDB里面读取数据时,可能会这样写代码:
import pymongo handler = pymongo.MongoClient().db.col for row in handler.find(): parse_data(row)
短短4行代码,读取MongoDB里面的每一行数据,然后传入parse_data做处理。处理完成以后再读取下一行。逻辑清晰而简单,能有什么问题?只要parse_data(row)
不报错,这一段代码就完美无缺。
但事实并非这样。
你的代码可能会在for row in handler.find()
这一行报错。它的原因,说来话长。
要解释这个问题,我们首先就需要知道,handler.find()返回的并不是数据库里面的数据,而是一个游标(cursor)对象。如下图所示:
只有当你使用for循环开始迭代它的时候,游标才会真正去数据库里面读取数据。
但是,如果每一次循环都连接数据库,那么网络连接会浪费大量时间。
所以pymongo会一次性获取100行,for row in handler.find()循环第一次的时候,它会连上MongoDB,读取一百条数据,缓存到内存中。于是第2-100次循环,数据都是直接从内存里面获取,不会再连接数据库。
当循环进行到底101次的时候,再一次连接数据库,再读取第101-200行内容……
这个逻辑非常有效地降低了网络I/O耗时。
但是,MongoDB默认游标的超时时间是10分钟。10分钟之内,必需再次连接MongoDB读取内容刷新游标时间,否则,就会导
致游标超时报错:
pymongo.errors.CursorNotFound: cursor id 211526444773 not found
如下图所示:
所以,回到最开始的代码中来,如果parse_data每次执行的时间超过6秒钟,那么它执行100次的时间就会超过10分钟。此时,当程序想读取第101行数据的时候,程序就会报错。
为了解决这个问题,我们有4种办法:
all_data = [row for row in handler.find()] for row in all_data: parse(row)
这种方案的弊端也很明显,如果数据量非常大,你不一定能全部放到内存里面。即使能够全部放到内存中,但是列表推导式遍历了所有数据,紧接着for循环又遍历一次,浪费时间。
3.让游标每次返回的数据小于100条,这样消费完这一批数据的时间就会小于10分钟:
# 每次连接数据库,只返回50行数据 for row in handler.find().batch_size(50): parse_data(row)
但这种方案会增加数据库的连接次数,从而增加I/O耗时。
4.让游标永不超时。通过设定参数no_cursor_timeout=True,让游标永不超时:
cursor = handler.find(no_cursor_timeout=True) for row in cursor: parse_data(row) cursor.close() # 一定要手动关闭游标
然而这个操作非常危险,因为如果你的Python程序因为某种原因意外停止了,这个游标就再也无法关闭了!除非重启MongoDB,否则这些游标会一直留在MongoDB上,占用资源。
当然可能有人会说,使用try...except把读取数据的地方包住,只要抛出了异常,在处理异常的时候关闭游标即可:
cursor = handler.find(no_cursor_timeout=True) try: for row in cursor: parse_data(row) except Exception: parse_exception() finally: cursor.close() # 一定要手动关闭游标
其中finally里面的代码,无论有没有异常,都会执行。
但这样写会让代码非常难看。为了解决这个问题,我们可以使用游标的上下文管理器:
with handler.find(no_cursor_timeout=True) as cursor: for row in cursor: parse_data(row)
只要程序退出了with的缩进,游标自动就会关闭。如果程序中途报错,游标也会关闭。
它的原理可以用下面两段代码来解释:
class Test: def __init__(self): self.x = 1 def echo(self): print(self.x) def __enter__(self): print('进入上下文') return self def __exit__(self, *args): print('退出上下文') with Test() as t: t.echo() print('退出缩进')
运行效果如下图所示:
接下来在with的缩进里面人为制造异常:
class Test: def __init__(self): self.x = 1 def echo(self): print(self.x) def __enter__(self): print('进入上下文') return self def __exit__(self, *args): print('退出上下文') with Test() as t: t.echo() 1 + 'a' # 这里一定会报错 print('退出缩进')
运行效果如下图所示:
无论在with的缩进里面发生了什么,Test这个类中的__exit__里面的代码始终都会运行。
我们来看看pymongo的游标对象里面,__exit__是怎么写的,如下图所示:
可以看到,这里正是关闭游标的操作。
因此,如果我们使用上下文管理器,就可以放心大胆地使用no_cursor_timeout=True参数了。
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对的支持。