[pyMongo]insert_many的Bulkwrite实现机制
在SQL中,insert many的操作可能会出现插入数据量过大的问题。
假设我构造了一个128M的insert语句,SQL或者driver是如何处理的?MySQL Driver对insert语句的数据量大小限制是多少?
翻阅了相关的文档,并没有发现明确的答案。
仅查到配置项中有一个insert_buffer的配置项,默认项是8M。
猜测当insert语句中的数据过多,driver会循环处理数据,每当数据块达到8M时,会自动执行commit操作,进程suspend,等待数据库操作结束后,再继续读入数据。
pyMongo对这个问题的操作解释的十分明确。
pyMongo在实现BulkWrite操作时,会自动将数据划分成小块进行插入,避免插入数据过大的问题。
具体可看pyMongo对BulkWrite做的说明:http://api.mongodb.com/python/current/examples/bulk.html
"PyMongo will automatically split the batch into smaller sub-batches based on the maximum message size accepted by MongoDB, supporting very large bulk insert operations."
在网上看到有人将数据分块后进行循环插入,即:
buffer = [] for item in data: buffer.append(item) if len(buffer) == 20000: <mgoclient>.insert_many(buffer) buffer =[]
我不确定MongoDB本身在提供Driver API的时候有没有考虑buffer过大的处理问题。
不过如果使用pyMongo来连接Mongo的话,自己做数据拆分的步骤是多余的。