0

我是一个 mongo 菜鸟，我希望这是一个非常简单的问题。我昨天收到了一个 100gb 的 .bson 文件，需要快速检索一些与 url 相关的文档。不幸的是，管理数据库的人决定在其生命周期中更改用于存储 url 的架构。这意味着 url 字段必须通过正则表达式进行查询，并且不能被索引。

我希望做的是：在两个版本的 url 之间正则表达式出一些公共字符串，并将其存储在一个名为url_id. 然后可以对该字段进行索引以进行更快的查询。浏览一些过去的 SO 帖子，我拼凑了一些可能起到作用的伪代码：

//pseudo code, i dont know javascript that well.

db.eval(function() { 
    db.foo.find({}, {url:1}).forEach(function(e) {
        match = e.url.match(/.*(domain.com/.*)?(\\?.*)/); //remove http, www, and query strings
        e.url_id = matches[1];
        db.foo.save(e);
    });
});

然后我可以运行：

db.foo.ensureIndex({url_id:1})

这将创建一个新的索引，只要我在查询它们之前正确修改了 url，就可以更快地查询。

但是，我很害怕在 100gb 的记录中运行 for 循环。有没有更好的方法来做到这一点，我没有想到？

4

1 回答 1

0

想出了一个解决方法...

通过简单地编写修改输入 url 的脚本来创建其自身的各种版本，我能够在索引数据库上运行多个查询并连接结果。哈克但它奏效了！

于 2013-04-26T18:09:00.630 回答