关于python：在Mongo中使用生成器迭代一个大集合

Using a generator to iterate over a large collection in Mongo

我有一个包含 500K 文档的集合，这些文档存储在单个节点 mongo 上。我的 pymongo cursor.find() 时不时会因为超时而失败。

虽然我可以将 find 设置为忽略超时，但我不喜欢这种方法。相反，我尝试了一个生成器(改编自这个答案和这个链接)：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

def mongo_iterator(self, cursor, limit=1000):
skip = 0
while True:
results = cursor.find({}).sort(“signature”, 1).skip(skip).limit(limit)

try:
results.next()

except StopIteration:
break

for result in results:
yield result

skip += limit

然后我使用以下方法调用此方法：

1
2
3

ref_results_iter = self.mongo_iterator(cursor=latest_rents_refs, limit=50000)
for ref in ref_results_iter:
results_latest1.append(ref)

问题：
我的迭代器不会返回相同数量的结果。问题是 next() 使光标前进。所以每次通话我都会失去一个元素…

问题：
有没有办法调整这段代码，以便我可以检查下一个是否存在？ Pymongo 3x 不提供 hasNext() 并且 ‘alive’ 检查不保证返回 false。

0 to 1000 等于 [0,1,2,3……,999]，下一个开始是 1000 但你会失去一个(可能是 last_one)。所以 index number never equal to length_number。
说 first_result_in_batch = results.next() 是否有效，从而捕获您当前丢弃的元素(如果有)？然后将 yield first_result_in_batch 放在 for 循环之上，从而以正确的顺序将该元素提供给调用者。 (我不知道 MongoDB，所以也许我遗漏了一些东西。)

.find() 方法采用额外的关键字参数。其中之一是 no_cursor_timeout 您需要将其设置为 True

1	cursor = collection.find({}, no_cursor_timeout=True)

您不需要编写自己的生成器函数。 find() 方法返回一个类似 object.

的生成器

为什么不使用

1 2	for result in results: yield result

for 循环应该为你处理 StopIteration。