欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

MongoDB游标超时问题的4种解决方法

程序员文章站 2022-05-14 17:32:44
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.mongoc...

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:

MongoDB游标超时问题的4种解决方法

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:

MongoDB游标超时问题的4种解决方法

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:

  1. 修改mongodb的配置,延长游标超时时间,并重启mongodb。由于生产环境的mongodb不能随便重启,所以这个方案虽然有用,但是排除。
  2. 一次性把数据全部读取下来,再做处理:
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:

MongoDB游标超时问题的4种解决方法

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:

MongoDB游标超时问题的4种解决方法

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:

MongoDB游标超时问题的4种解决方法

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。