Django表格约为430,000 obs,文件大小为230mb; \
并来自平面CSV文件,该文件由以下\
型号.PY。我已经考虑过将块用于CSV阅读器,但我认为处理器\
我填充MySQL表的功能是我的挂断;需要20个小时以上的时间\
我该如何加快速度?
class MastTable(models.Model):
evidence = models.ForeignKey(Evidence, blank=False)
var2 = models.CharField(max_length=10, blank=True, null=True)
var3 = models.CharField(max_length=10, blank=True, null=True)
var4 = models.CharField(max_length=10, blank=True, null=True)
var5 = models.CharField(max_length=10, blank=True, null=True)
var6 = models.DateTimeField(blank=True, null=True)
var7 = models.DateTimeField(blank=True, null=True)
var8 = models.DateTimeField(blank=True, null=True)
var9 = models.DateTimeField(blank=True, null=True)
var10 = models.DateTimeField(blank=True, null=True)
var11 = models.DateTimeField(blank=True, null=True)
var12 = models.DateTimeField(blank=True, null=True)
var13 = models.DateTimeField(blank=True, null=True)
var14 = models.CharField(max_length=500, blank=True, null=True)
var15 = models.CharField(max_length=500, blank=True, null=True)
var16 = models.CharField(max_length=50, blank=True, null=True)
var17 = models.CharField(max_length=500, blank=True, null=True)
var18 = models.CharField(max_length=500, blank=True, null=True)
var19 = models.CharField(max_length=500, blank=True, null=True)
var20 = models.CharField(max_length=500, blank=True, null=True)
var21 = models.CharField(max_length=500, blank=True, null=True)
var22 = models.CharField(max_length=500, blank=True, null=True)
var23 = models.DateTimeField(blank=True, null=True)
var24 = models.DateTimeField(blank=True, null=True)
var25 = models.DateTimeField(blank=True, null=True)
var26 = models.DateTimeField(blank=True, null=True)
此辅助函数将为CSV \创建一个阅读器对象
并在上传MySQL之前解码文件中所有时髦的编解码器
def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
for row in csv_reader:
yield [unicode(cell, 'ISO-8859-1') for cell in row]
然后,UTILS.PY文件中的函数将访问一个数据库表(名为“ extract_properties”),其中\
包含文件标头,以标识要转到的处理器功能\
处理器功能如下所示
def processor_table(extract_properties): #Process the table into MySQL
evidence_obj, created = Evidence.objects.get_or_create(case=case_obj,
evidence_number=extract_properties['evidence_number']) #This retrieves the Primary Key
reader = unicode_csv_reader(extract_properties['uploaded_file'],dialect='pipes') #CSVfunction
for idx, row in enumerate(reader):
if idx <= (extract_properties['header_row_num'])+3: #Header is not always 1st row of file
pass
else:
try:
obj, created = MastTable.objects.create( #I was originally using 'get_or_create'
evidence=evidence_obj,
var2=row[0],
var3=row[1],
var4=row[2],
var5=row[3],
var6=date_convert(row[4],row[5]), #funct using 'dateutil.parser.parse'
var7=date_convert(row[6],row[7]),
var8=date_convert(row[8],row[9]),
var9=date_convert(row[10],row[11]),
var10=date_convert(row[12],row[13]),
var11=date_convert(row[14],row[15]),
var12=date_convert(row[16],row[17]),
var13=date_convert(row[18],row[19]),
var14=row[20],
var15=row[21],
var16=row[22],
var17=row[23],
var18=row[24],
var19=row[25],
var20=row[26],
var21=row[27],
var22=row[28],
var23=date_convert(row[29],row[30]),
var24=date_convert(row[31],row[32]),
var25=date_convert(row[33],row[34]),
var26=date_convert(row[35],row[36]),)
except Exception as e: #This logs any exceptions to a custom DB table
print "Error",e
print "row",row
print "idx:",idx
SystemExceptionLog.objects.get_or_create(indexrow=idx, errormsg=e.args[0],
timestamp=datetime.datetime.now(),
uploadedfile=extract_properties['uploaded_file'])
continue
return True
最后,下面的VIEWS.PY表单接受文件并调用上面的处理器来填充数据库
检查有效的表单数据,并将任何文件传递给文件处理程序(如果有效)
def upload_file(request):
if request.method == 'POST':
form = UploadFileForm(request.POST, request.FILES)
if form.is_valid():
for _file in request.FILES.getlist('file'):
extract_properties = get_file_properties(_file)
if extract_properties:
for property in extract_properties: #File is found and processor kicked off
print "starting parser"
try:
property['evidence_number'] = request.POST.get('evidence_number')
result = process_extract(property)
if result is None:
print 'Unable to get determine extract properties!'
except Exception as e:
print "!!!!!!!"
print "Error, could not upload", e
pass
else:
print 'Unable to identify file uploaded!'
return HttpResponseRedirect('')
print form
else:
form = UploadFileForm()
return render_to_response('nettop/upload_file.html', # The web frontend Page for Upload
{'form': form},
context_instance=RequestContext(request))
python大神给出的解决方案
Django中最基本,最有效的优化方法是减少对数据库的查询数量。 100个查询是正确的,而500.000个查询绝对是正确的。
代替使用MastTable.objects.create()
,您应该构造一个未保存的模型实例的列表,并使用MastTable.objects.bulk_create(list_of_models)
尽可能少地往返数据库来创建它们。这将极大地加快速度。
如果使用的是MySQL,则可以增加max_allowed_packet
设置以允许更大的批次。它的默认值1MB非常低。 PostGRESQL没有硬编码限制。如果仍然遇到性能问题,可以切换到raw SQL statements。创建500.000 python对象可能有点麻烦。在我最近的一项测试中,使用connection.cursor
执行完全相同的查询的速度提高了约20%。
将文件的实际处理留给后台进程可能是一个好主意,例如使用芹菜,或在过程中使用StreamingHttpResponse
提供反馈。