當(dāng)我們使用Python從MongoDB里面讀取數(shù)據(jù)時(shí)，可能會(huì)這樣寫代碼：

import pymongo

handler = pymongo.MongoClient().db.col

for row in handler.find():
 parse_data(row)

短短4行代碼，讀取MongoDB里面的每一行數(shù)據(jù)，然后傳入parse_data做處理。處理完成以后再讀取下一行。邏輯清晰而簡(jiǎn)單，能有什么問(wèn)題？只要parse_data(row)不報(bào)錯(cuò)，這一段代碼就完美無(wú)缺。

但事實(shí)并非這樣。

你的代碼可能會(huì)在for row in handler.find()這一行報(bào)錯(cuò)。它的原因，說(shuō)來(lái)話長(zhǎng)。

要解釋這個(gè)問(wèn)題，我們首先就需要知道，handler.find()返回的并不是數(shù)據(jù)庫(kù)里面的數(shù)據(jù)，而是一個(gè)游標(biāo)（cursor）對(duì)象。如下圖所示：

只有當(dāng)你使用for循環(huán)開(kāi)始迭代它的時(shí)候，游標(biāo)才會(huì)真正去數(shù)據(jù)庫(kù)里面讀取數(shù)據(jù)。

但是，如果每一次循環(huán)都連接數(shù)據(jù)庫(kù)，那么網(wǎng)絡(luò)連接會(huì)浪費(fèi)大量時(shí)間。

所以pymongo會(huì)一次性獲取100行，for row in handler.find()循環(huán)第一次的時(shí)候，它會(huì)連上MongoDB，讀取一百條數(shù)據(jù)，緩存到內(nèi)存中。于是第2-100次循環(huán)，數(shù)據(jù)都是直接從內(nèi)存里面獲取，不會(huì)再連接數(shù)據(jù)庫(kù)。

當(dāng)循環(huán)進(jìn)行到底101次的時(shí)候，再一次連接數(shù)據(jù)庫(kù)，再讀取第101-200行內(nèi)容……

這個(gè)邏輯非常有效地降低了網(wǎng)絡(luò)I/O耗時(shí)。

但是，MongoDB默認(rèn)游標(biāo)的超時(shí)時(shí)間是10分鐘。10分鐘之內(nèi)，必需再次連接MongoDB讀取內(nèi)容刷新游標(biāo)時(shí)間，否則，就會(huì)導(dǎo)

致游標(biāo)超時(shí)報(bào)錯(cuò)：

pymongo.errors.CursorNotFound: cursor id 211526444773 not found

如下圖所示：

所以，回到最開(kāi)始的代碼中來(lái)，如果parse_data每次執(zhí)行的時(shí)間超過(guò)6秒鐘，那么它執(zhí)行100次的時(shí)間就會(huì)超過(guò)10分鐘。此時(shí)，當(dāng)程序想讀取第101行數(shù)據(jù)的時(shí)候，程序就會(huì)報(bào)錯(cuò)。

為了解決這個(gè)問(wèn)題，我們有4種辦法：

1. 修改MongoDB的配置，延長(zhǎng)游標(biāo)超時(shí)時(shí)間，并重啟MongoDB。由于生產(chǎn)環(huán)境的MongoDB不能隨便重啟，所以這個(gè)方案雖然有用，但是排除。
2. 一次性把數(shù)據(jù)全部讀取下來(lái)，再做處理：

all_data = [row for row in handler.find()]

for row in all_data:
 parse(row)

這種方案的弊端也很明顯，如果數(shù)據(jù)量非常大，你不一定能全部放到內(nèi)存里面。即使能夠全部放到內(nèi)存中，但是列表推導(dǎo)式遍歷了所有數(shù)據(jù)，緊接著for循環(huán)又遍歷一次，浪費(fèi)時(shí)間。

  3.讓游標(biāo)每次返回的數(shù)據(jù)小于100條，這樣消費(fèi)完這一批數(shù)據(jù)的時(shí)間就會(huì)小于10分鐘：

# 每次連接數(shù)據(jù)庫(kù)，只返回50行數(shù)據(jù)
for row in handler.find().batch_size(50): 
 parse_data(row)

但這種方案會(huì)增加數(shù)據(jù)庫(kù)的連接次數(shù)，從而增加I/O耗時(shí)。

  4.讓游標(biāo)永不超時(shí)。通過(guò)設(shè)定參數(shù)no_cursor_timeout=True，讓游標(biāo)永不超時(shí)：

cursor = handler.find(no_cursor_timeout=True)
for row in cursor:
 parse_data(row)
cursor.close() # 一定要手動(dòng)關(guān)閉游標(biāo)

然而這個(gè)操作非常危險(xiǎn)，因?yàn)槿绻愕腜ython程序因?yàn)槟撤N原因意外停止了，這個(gè)游標(biāo)就再也無(wú)法關(guān)閉了！除非重啟MongoDB，否則這些游標(biāo)會(huì)一直留在MongoDB上，占用資源。

當(dāng)然可能有人會(huì)說(shuō)，使用try...except把讀取數(shù)據(jù)的地方包住，只要拋出了異常，在處理異常的時(shí)候關(guān)閉游標(biāo)即可：

cursor = handler.find(no_cursor_timeout=True)
try:
 for row in cursor:
 parse_data(row)
except Exception:
 parse_exception()
finally:
 cursor.close() # 一定要手動(dòng)關(guān)閉游標(biāo)

其中finally里面的代碼，無(wú)論有沒(méi)有異常，都會(huì)執(zhí)行。

但這樣寫會(huì)讓代碼非常難看。為了解決這個(gè)問(wèn)題，我們可以使用游標(biāo)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的縮進(jìn)，游標(biāo)自動(dòng)就會(huì)關(guān)閉。如果程序中途報(bào)錯(cuò)，游標(biāo)也會(huì)關(guān)閉。

它的原理可以用下面兩段代碼來(lái)解釋：

class Test:
 def __init__(self):
  self.x = 1

 def echo(self):
  print(self.x)

 def __enter__(self):
  print('進(jìn)入上下文')
  return self

 def __exit__(self, *args):
  print('退出上下文')
  
with Test() as t:
 t.echo()
print('退出縮進(jìn)')

運(yùn)行效果如下圖所示：

接下來(lái)在with的縮進(jìn)里面人為制造異常：

class Test:
 def __init__(self):
  self.x = 1

 def echo(self):
  print(self.x)

 def __enter__(self):
  print('進(jìn)入上下文')
  return self

 def __exit__(self, *args):
  print('退出上下文')
  
with Test() as t:
 t.echo()
 1 + 'a' # 這里一定會(huì)報(bào)錯(cuò)
print('退出縮進(jìn)')

運(yùn)行效果如下圖所示：

無(wú)論在with的縮進(jìn)里面發(fā)生了什么，Test這個(gè)類中的__exit__里面的代碼始終都會(huì)運(yùn)行。

我們來(lái)看看pymongo的游標(biāo)對(duì)象里面，__exit__是怎么寫的，如下圖所示：

可以看到，這里正是關(guān)閉游標(biāo)的操作。

因此，如果我們使用上下文管理器，就可以放心大膽地使用no_cursor_timeout=True參數(shù)了。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。

最新評(píng)論