Используя PyMongo, мне нужно получить поля другой коллекции

Question

Мне нужно построить запрос, используя PyMongo, который получает данные из двух связанных коллекций в базе данных MongoDB.

Коллекция X имеет поля UserId, Name и EmailId:

[
  {
    "UserId" :    "941AB",
    "Name" :      "Alex Andresson",
    "EmailId" :   "[e-mail]"
  },
  {
    "UserId" :    "768CD",
    "Name" :      "Bryan Barnes",
    "EmailId" :   "[e-mail]"
  }
]   

Коллекция Y имеет поля UserId1, UserID2 и Rating:

[
  {
    "UserId1" :  "941AB",
    "UserId2" :  "768CD",
    "Rating" :   0.8
   }
]

Мне нужно напечатать имя и идентификатор электронной почты UserId1 и UserId2 и рейтинг, что-то вроде этого:

[
  {
    "UserId1" :    "941AB",
    "UserName1" :  "Alex Andresson"
    "UserEmail1" : "[e-mail]",
    "UserId2" :    "768CD",
    "UserName2" :  "Bryan Barnes"
    "UserEmail2" : "[e-mail]",
    "Rating":      0.8
  }
]

Это означает, что мне нужно получать данные из коллекции Y, а также X. Я сейчас работаю с PyMongo, и мне не удалось найти его решение. Может кто-нибудь даже дать мне псевдокод об этой концепции или подход, как двигаться дальше с этим.

Answer 1

Вам нужно выполнить соединение вручную или использовать библиотеку, которая сделает это за вас - возможно, http://mongoengine.org/.

В основном вам нужно найти интересующие вас рейтинги, а затем найти пользователей, связанных с этими рейтингами.

Пример:

#!/usr/bin/env python3

import pymongo
from random import randrange

client = pymongo.MongoClient()
db = client['test']

# clean collections
db['users'].drop()
db['ratings'].drop()

# insert data
user_count = 100
rating_count = 20

db['users'].insert_many([
    {'UserId': i, 'Name': 'John', 'EmailId': i}
    for i in range(user_count)])

db['ratings'].insert_many([
    {'UserId1': randrange(user_count), 'UserId2': randrange(user_count), 'Rating': i}
    for i in range(rating_count)])

# don't forget the indexes
db['users'].create_index('UserId')
# but it would be better if we used _id as the UserId

# if you want to make queries based on Rating value, then add also this index:
db['ratings'].create_index('Rating')

# now print ratings with users that have value 10+

# simple approach:
ratings = db['ratings'].find({'Rating': {'$gte': 10}})
for rating in ratings:
    u1 = db['users'].find_one({'UserId': rating['UserId1']})
    u2 = db['users'].find_one({'UserId': rating['UserId2']})
    print('Rating between {} (UserId {:2}) and {} (UserId {:2}) is {:2}'.format(
        u1['Name'], u1['UserId'], u2['Name'], u2['UserId'], rating['Rating']))

print('---')

# optimized approach:
ratings = list(db['ratings'].find({'Rating': {'$gte': 10}}))
user_ids = {r['UserId1'] for r in ratings}
user_ids |= {r['UserId2'] for r in ratings}
users = db['users'].find({'UserId': {'$in': list(user_ids)}})
users_by_id = {u['UserId']: u for u in users}
for rating in ratings:
    u1 = users_by_id.get(rating['UserId1'])
    u2 = users_by_id.get(rating['UserId2'])
    print('Rating between {} (UserId {:2}) and {} (UserId {:2}) is {:2}'.format(
        u1['Name'], u1['UserId'], u2['Name'], u2['UserId'], rating['Rating']))

Обратите внимание, что первый подход вызывает один find для рейтингов и двух findс рейтингом, но второй подход требует только три findв общей сложности. Это может привести к огромной разнице в производительности, если вы обращаетесь к MongoDB по сети.

Я рекомендую использовать _id вместо UserId если возможно для коллекции пользователей.

Конечно, этот конкретный вариант использования будет гораздо проще с базой данных SQL. Если вы используете MongoDB для повышения производительности и у вас гораздо больше операций чтения, чем записи, рассмотрите возможность кэширования связанных имен пользователей в рейтинговый документ.