R-使用RMONGODB加快大型结果设置处理

Question

我正在使用rmongodb来获取特定集合中的每个文档。它可以使用，但我正在使用数百万个的小型文档，可能是100m或更多。我正在使用作者在网站上建议的方法：cnub.org/rmongodb.ashx

count <- mongo.count(mongo, ns, query)
cursor <- mongo.find(mongo, query)
name <- vector("character", count)
age <- vector("numeric", count)
i <- 1
while (mongo.cursor.next(cursor)) {
    b <- mongo.cursor.value(cursor)
    name[i] <- mongo.bson.value(b, "name")
    age[i] <- mongo.bson.value(b, "age")
    i <- i + 1
}
df <- as.data.frame(list(name=name, age=age))

这可以很好地适用于数百或数千个结果，但是尽管循环非常慢。有什么方法可以加快这一目标吗？也许是多处理的机会？任何建议，将不胜感激。我的平均每小时为1m，以此速度，我需要一周才能构建数据框架。

编辑：我注意到，在循环中越慢的向量速度较慢。我现在尝试为每个向量分开循环。

似乎仍然有一个更好的方法。

编辑2：我对Data.Table有些运气。它仍在运行，但看起来它将在4小时内完成12m（这是我当前的测试集），这是进步，但远非理想

dt <- data.table(uri=rep("NA",count),
                 time=rep(0,count),
                 action=rep("NA",count),
                 bytes=rep(0,count),
                 dur=rep(0,count))
while (mongo.cursor.next(cursor)) {
  b <- mongo.cursor.value(cursor)
  set(dt, i, 1L,  mongo.bson.value(b, "cache"))
  set(dt, i, 2L,  mongo.bson.value(b, "path"))
  set(dt, i, 3L,  mongo.bson.value(b, "time"))
  set(dt, i, 4L,  mongo.bson.value(b, "bytes"))
  set(dt, i, 5L,  mongo.bson.value(b, "elaps"))

}

Answer 1

您可能想尝试mongo.find.exhaust选项

cursor <- mongo.find(mongo, query, options=[mongo.find.exhaust])

如果实际上适合您的用例，这将是最简单的修复。

但是，RMONGODB驱动程序似乎缺少其他驱动程序上可用的一些额外功能。例如，JavaScript驱动程序具有Cursor.toArray方法。将所有查找结果直接转储到数组中。R驱动程序具有mongo.bson.to.list功能，但是您想要的mongo.cursor.to.list可能是您想要的。可能值得为驾驶员开发人员提供建议。

可能是创建一个新的集合，其文档是每个原始文档的100000个数据"块"。然后，所有这些都可以用mongo.bson.to.list有效地读取。可以使用Mongo Server MapReduce功能构建块的集合。

Answer 2

我不知道以一般方式做到这一点。您正在从外国应用程序中导入数据并使用解释的语言，并且RMONGODB无法预测集合中文档的结构。当您处理数千个文档时，该过程固有地慢。