Mongodb 使用MongoSpark更新mongoData

来自Mongo提供的以下教程：

MongoSpark.save(centenarians.write.option("collection", "hundredClub").mode("overwrite"))

我对Mongo首先删除集合，然后用新数据覆盖该集合的理解正确吗

我的问题是，是否可以使用

MongoSpark

连接器来实际更新Mongo中的记录

假设我得到的数据

{"_id" : ObjectId(12345), "name" : "John" , "Occupation" : "Baker"}

{"name" : "John", "address" : "1800 some street"}

然后我想做的是从另一个包含更多细节的文件中合并此人的记录，即该文件看起来像

{"_id" : ObjectId(12345), "name" : "John" , "Occupation" : "Baker"}

{"name" : "John", "address" : "1800 some street"}

目标是更新Mongo中的记录，因此现在JSON看起来像

{"_id" : ObjectId(12345) "name" : "John" , "address" : 1800 some street", "Occupation" : "Baker"}

---

现在，让我们假设我们只想更新John，并且有数百万条其他记录我们想保留原样。

这里有几个问题，我将尝试对它们进行分解

实际上，Mongo首先删除集合，然后用新数据覆盖该集合

正确，从v2.x开始，如果您指定模式

overwrite

，将首先将集合放入，然后将新结果保存到集合中。有关更多信息，请参阅

我的问题是，是否可以使用

MongoSpark

连接器来实际更新Mongo中的记录

（

mongo spark

v1.1+）上描述的补丁是，如果数据帧包含

\u id

字段，则数据将被删除。这意味着将更新具有相同

\u id

值的任何现有文档，并插入集合中没有现有

\u id

值的新文档

然后我想做的是从另一个包含更多细节的文件中合并此人的记录

如上所述，您需要知道集合中的

\u id

值。示例步骤：

通过读取

Person

集合来检索

John

的

\u id

值，创建数据帧（a）。i、 e.

ObjectId（12345）

将

\u id

ObjectId（12345）的值合并到您的数据帧中（B-来自另一个包含更多信息的文件）。使用唯一字段值连接两个数据帧（A和B）

保存合并的数据帧（C）。不指定

覆盖

模式 我们只想更新约翰，还有数以百万计的其他记录，我们想保持原样

---

在这种情况下，在合并两个数据帧之前，请从数据帧B（包含更多详细信息的另一个文件）中过滤掉任何不需要的记录。此外，在调用

save（）

时，请指定模式

append

这是正确的。关于模式：

Overwrite

将始终替换集合，

Append

将在存在

\u id

时向上插入。