言語処理100本ノック 2015の61本目「KVSの検索」の記録です。RedisとPythonを使っています。
「言語処理100本ノック」記録
- 言語処理100本ノック-60(RedisとPython使用):KVSの構築
- 言語処理100本ノック-61(RedisとPython使用):KVSの検索
- 言語処理100本ノック-62(RedisとPython使用):KVS内の反復処理
- 言語処理100本ノック-63(RedisとPython使用):オブジェクトを値に格納したKVS
参考リンク
| リンク | 備考 |
|---|---|
| 書籍「RDB技術者のためのNoSQLガイド」 | RDBに浸かっていた私には非常にわかりやすかったです |
| 061.KVSの検索.ipynb | 回答プログラムのGitHubリンク |
| 最新RedisのUbuntuへのインストールとPythonで使うまで | インストールについて |
| 【初心者向け】Redisのデータ型とPythonでの使い方サンプル | Redisのデータ型について整理 |
| 言語処理100本ノックでPython入門 #61 - RedisでKVSの検索 | Redis-pyの回答として参考にしました |
| 素人の言語処理100本ノック:61 | 言語処理100本ノックで常にお世話になっています |
環境
インストールに関しては記事「最新RedisのUbuntuへのインストールとPythonで使うまで」を参照ください。
| 種類 | バージョン | 内容 |
|---|---|---|
| OS | Ubuntu18.04.01 LTS | 仮想で動かしています |
| Redis | 5.0.4 | 2019/3/22時点でStableの最新です |
| pyenv | 1.2.9 | 複数Python環境を使うことがあるのでpyenv使っています |
| Python | 3.7.2 | pyenv上でpython3.7.2を使っています パッケージはvenvを使って管理しています |
| reids-py | 3.2.1 | 2019/3/22時点で最新 |
問題
第7章: データベース
artist.json.gzは，オープンな音楽データベースMusicBrainzの中で，アーティストに関するものをJSON形式に変換し，gzip形式で圧縮したファイルである．このファイルには，1アーティストに関する情報が1行にJSON形式で格納されている．JSON形式の概要は以下の通りである．
フィールド 型 内容 例 id ユニーク識別子 整数 20660 gid グローバル識別子 文字列 "ecf9f3a3-35e9-4c58-acaa-e707fba45060" name アーティスト名 文字列 "Oasis" sort_name アーティスト名（辞書順整列用） 文字列 "Oasis" area 活動場所 文字列 "United Kingdom" aliases 別名 辞書オブジェクトのリスト aliases[].name 別名 文字列 "オアシス" aliases[].sort_name 別名（整列用） 文字列 "オアシス" begin 活動開始日 辞書 begin.year 活動開始年 整数 1991 begin.month 活動開始月 整数 begin.date 活動開始日 整数 end 活動終了日 辞書 end.year 活動終了年 整数 2009 end.month 活動終了月 整数 8 end.date 活動終了日 整数 28 tags タグ 辞書オブジェクトのリスト tags[].count タグ付けされた回数 整数 1 tags[].value タグ内容 文字列 "rock" rating レーティング 辞書オブジェクト rating.count レーティングの投票数 整数 13 rating.value レーティングの値（平均値） 整数 86 artist.json.gzのデータをKey-Value-Store (KVS) およびドキュメント志向型データベースに格納・検索することを考える．KVSとしては，LevelDB，Redis，KyotoCabinet等を用いよ．ドキュメント志向型データベースとして，MongoDBを採用したが，CouchDBやRethinkDB等を用いてもよい．
【注意事項】このデータは「アーティスト名」で一意になりません。なので、単純に「アーティスト名」をKVSのキーにすると2件目以降で上書きしてしまうためファイルの件数とKVSの件数が合致しません。
61. KVSの検索
60で構築したデータベースを用い，特定の（指定された）アーティストの活動場所を取得せよ．
プログラム：061.KVSの検索.ipynb
Jupyter Notebookの形式をPython形式に変換すると以下のコードです。
Jupyter Notebook形式の結果は、「061.KVSの検索.ipynb」を見てください。
#!/usr/bin/env python
# coding: utf-8
from redis import Redis
r = Redis( )
print(r.hgetall("Pete Moutso"))
#=> {b'371203': b''}
print(r.hgetall("The Silhouettes"))
#=> {b'101060': b'United States', b'765139': b'', b'765143': b'', b'765151': b'Netherlands', b'765152': b'', b'765150': b'United States', b'765153': b'Netherlands'}
print(r.hgetall("Oasis"))
#=> {b'377879': b'United Kingdom', b'286198': b'United States', b'20660': b'United Kingdom'}
プログラム解説
パラメータを使うなど細かく制御していません。適当に3つの「アーティスト名」で検索しています。
「アーティスト名」で一意にならないため、Hashesデータ型を使いました。そして、Hashesのフィールド名に一意となる「id」が設定されています。
最初の「Pete Moutso」で検索したときには、「活動場所」がないので「id」だけをHashesデータ型のフィールド名として表示しています。
2番目の「The Silhouette」で検索したときは、同じ「アーティスト名」が7件あって、「活動場所」があったりなかったりです。
3番目の「Oasis」の場合は、3件の同じ「アーティスト名」があって、すべてに「活動場所」が設定されています。