鍍金池/ 問答/Python  數(shù)據(jù)庫/ python遍歷mongodb時(shí)，如何保存游標(biāo)位置到本地

python遍歷mongodb時(shí)，如何保存游標(biāo)位置到本地

項(xiàng)目中遇到一個(gè)需求，需要將一個(gè)千萬條記錄級(jí)別的mongodb庫提取部分字段轉(zhuǎn)到postgresql中。
由于mongodb一直在更新，所以每隔一段時(shí)間就需要倒一次數(shù)據(jù)。所以想實(shí)現(xiàn)增量更新的功能。
問題是，我要如何保存上一次python遍歷到的位置？

ps：mongodb的_id字段是自動(dòng)生成的，其他字段無嚴(yán)格的遞增或遞減的數(shù)量關(guān)系。

回答
編輯回答
選擇

如果文檔中的 _id 字段是由 mongo 自動(dòng)生成的, 那么本身這個(gè)字段就帶有時(shí)序, 因?yàn)?ObjectId 四要素
中就有插入時(shí)間, query 語句中啥也不寫, 其結(jié)果就是按時(shí)序排序的. 下面語句就可以返回 collection 中的最新 10 條數(shù)據(jù):

db.collection.find().sort({ _id : -1 }).limit(10)

也可以根據(jù) ObjectId 包含創(chuàng)建時(shí)間的特性, 通過構(gòu)造 ObjectId 的辦法, 來指定查詢某時(shí)間段內(nèi)的文檔. 下面的 python 程序可以查詢 2018-04-10 日之后插入到 collection 中的文檔 (手敲, 親測(cè)有效):

#!/usr/bin/python
import sys
import datetime
from pymongo import MongoClient
from bson import objectid

mongo_conn = MongoClient("mongodb://user:pass@11.22.33.44:27017")

gen_time = datetime.datetime(2018, 4, 10)
dummy_id = objectid.ObjectId.from_datetime(gen_time)
cursor = mongo_conn['your_db']['collection'].find(
    {'_id' : {'$gt' : dummy_id} }
)

for v in cursor:
    print(v)

所以, 你的需求中, 只需要保存 _id 字段即可, 或者保存一個(gè)時(shí)間戳也可以.

另, 如果你的這個(gè) collection 被設(shè)置為 Capped Collections, 那么你還可以考慮使用 Tailable Cursors 來時(shí)刻獲取更新數(shù)據(jù). 當(dāng)然我估計(jì)這應(yīng)該不符合你的使用場(chǎng)景.

參考:
mongo ObjectId
mongo Tailable Cursors
mongo Capped Collections
python datetime
2017年12月23日 08:48