使用Rockset分析驻留在S3上的xml和json数据非常有用。但是是否想知道是否有一种方法可以通过Rockset API将xml或json文档作为一个整体加载（作为字符串）？
例如：假设我正在运行一个本地应用程序，该应用程序暴露了挂钩以与外部系统（在本例中为Rockset）建立接口，因此我想从我的系统中使用Rockset API（最好是REST或Java）以发送整个xml或json文档，然后在Rockset中对其进行解析和索引编制，就像该文档是从s3中提取的一样。
我手头的另一个问题是管理对已经上传到Rockset Collection的文档的更改。我应该先删除旧文档，然后上传新文档还是直接进行更新？
答案 0 :(得分：1)
但是想知道是否有一种方法可以通过Rockset API将xml或json文档作为一个整体加载吗？
这可以使用Rockset的upload API endpoint完成。如果您希望通过Java进行此操作，则可以使用此sample来构建它。它使用上面指定的端点将文件上传到集合。
在rock upload中，该端点还有一个脚本化版本作为子命令公开，因此，如果使用rock CLI，则应该能够执行以下操作：
rock upload <collection-name> <path/to/local/file>
还可以使用REST API和命令行来提取可以从S3提取的所有文件类型。上传端点通常适合大型文件（通常大于10M）。如果您当时具有流数据和JSON，则还可以使用Rockset的流Write API进行编写。我上面链接的文档中有一些片段，介绍了如何使用流式API将不同编程语言的文档写入Rockset集合。
我手头的另一个问题是管理对已经上传到Rockset Collection的文档的更改。我应该先删除旧文档，然后上传新文档还是直接进行更新？
理想情况下，您将在文档上设置一个_id字段。 _id是special field，并且对于集合中的每个文档都是唯一的。如果要使用集合中已经存在的_id编写文档，它将覆盖旧文档中的字段。这是一种比删除和回写更有效的更新方式。
如果我们经常（每天，每小时或每分钟）将数据上传到我的s3存储桶，那么将其添加到现有Rockset集合的最佳方法是什么？
默认情况下，Rockset支持从S3实时提取。因此，一旦在Rockset中设置了存储区和前缀，它将不断扫描基础存储区以在新文档出现时提取它们。因此，如果您适当地设置S3源，它可以在新文档到达时继续用新文档更新收藏集。