mongodb java 去重复,MongoDB中间删除重复记录(Java)

MongoDB当中删除重复记录(Java)

数据库表描述:

Table Name:NewsFromWeb

Column Name 1:_id

Column Name 2:url

Column Name 3:title

Other Columns ....

....

功能实现的前提:如果数据库表当中有相同的url,则认定是重复的记录.

功能实现的思路:通过Group by一样的查询,找到有相同的记录,做出列表,并且把记录的第二条以后的数据,进行删除,只保留第一条的记录.

从SQL实现上类似:select sum(url) as urlCount from NewsFromWeb group by url.

如下是实现方法:

@Test

public void checkRepeat(){

//first group by key

BasicDBObject key = new BasicDBObject();

key.put("url", true);

BasicDBObject initial = new BasicDBObject();

initial.put("urlCount", 0);

BasicDBObject cond = new BasicDBObject();

cond.put("url", 1);

String reduce = "function(obj,prev) { prev.urlCount++; }";

DBObject objMap = mongoDAO.getCollection().group(key, new BasicDBObject(), initial, reduce);

Set set = objMap.keySet();

Iterator it = set.iterator();

while(it.hasNext()){

String str_key = (String) it.next();

String recordStr = objMap.get(str_key).toString();

DBObject doc = (DBObject) JSON.parse(recordStr);

if (Double.valueOf(doc.get("urlCount").toString())>1){

BasicDBObject condDel = new BasicDBObject();

cond.put("url", doc.get("url").toString());

DBCursor map = mongoDAO.getCollection().find(cond);

int j=0;

while(map.hasNext()){

DBObject obj = map.next();

if (j>0){

System.out.println("正在删除:"+obj);

mongoDAO.getCollection().remove(obj);

}

j++;

}

}

}

}

本人通过测试10万条数据处理大约2分钟左右,只是一个大概的数据,其实跟硬件和重复记录有很大关系,感觉速度还能接受(CPU老赛扬1.6,Window环境)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值