最近刚开始学MongoDB 想用它写一个爬虫,但是构建URL优先级队列的时候卡住了我,,好像BerkeleyDB存储的时候可以根据key自动排序,这样想要的数据会很容易取到,,(没有亲身实践过,并不太清楚,只是看了博客)但是MongoDB是不可以的,它默认的好像是按照插入时间排序,,,然而为了取出优先级比较高的URL,我不得不每次做排序并且Limit(n)返回数据,,但是尤其在多线程大数据下尤其影响性能!因此困扰了我一天,最后终于想出了一种折中的办法,,因为想到MongoDB会默认创建_id并生成索引,,我在构建优先URL 的时候把优先级储存到这个字段在做排序,性能会不会相对好很多?
于是我做了实验,db.collectionName.find({_id:1}).sort({_id:1}).explain()发现果然执行策略不是SORT!(具体参数含义请自行百度)这样性能应该会大幅提升,但是肯定性能也不会好~~具体情况等我写完后再来分享。。
另外,本人大三软件系菜狗一枚,最近在研究一些JAVA开源爬虫框架的源码,想自己写一个爬虫的框架,,也当是学点东西了。。有兴趣的可以一起交流。
企鹅:396995269 (单身)