我有一个 couchDB,有超过 100 万个条目分布在几个数据库中。我需要从中抽取随机样本,以便记录每个样本的成员。为此,在这个问题之后,我想在我的 couchDB 中的每个文档中添加一个带有随机数的字段。
添加随机数的代码
def add_random_fields():
from numpy.random import rand
server = couchdb.Server()
databases = [database for database in server if not database.startswith('_')]
for database in databases:
print database
for document in server[database]:
if 'results' in server[database][document].keys():
for tweet in server[database][document]['results']:
if 'rand_num' not in tweet.keys():
tweet['rand_num'] = rand()
server[database].save(tweet)
这失败了,因为我没有足够的 RAM 来保存所有 CouchDB 数据库的副本。
第一次尝试-分块加载数据库
按照这个问题。
def grouper(n, iterable, fillvalue=None):
"Collect data into fixed-length chunks or blocks"
# grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx
args = [iter(iterable)] * n
return izip_longest(fillvalue=fillvalue, *args)
# ..Just showing relevant part of add_random_fields()
#..
chunk_size=100
for tweet in grouper(server[database][document]['results'],chunk_size):
如果我在 python 中迭代一个大列表,我会编写一个生成器表达式。我怎样才能在 couchdb-python 中做到这一点?或者,还有更好的方法?