Django表约有430,000个obs和230mb文件; \ 并且来自一个平面的CSV文件,详细信息如下所示 MODELS.PY。我考虑过使用CSV读取器的块,但我认为处理器\ 函数我填充MySQL表是我的挂断;需要20个小时+ 我如何加快速度?
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reader对象 并在MySQL上传之前解码文件中任何时髦的编解码器
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]
UTILS.PY文件中的一个函数将访问一个DB表(名为'extract_properties'),其中\ 包含文件头以标识要转到哪个处理器函数 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
最后在下面的VIEWS.PY表单接受文件并调用上面的处理器来填充DB 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))
答案 0 :(得分:5)
Django中最基本有效的优化是减少对数据库的查询次数。这对于100个查询来说都是如此,对于500.000个查询来说,这肯定是正确的。
您应该构建一个未保存的模型实例列表,而不是使用MastTable.objects.create()
,并使用MastTable.objects.bulk_create(list_of_models)
创建它们,尽可能少地往返于数据库。这应该会极大地加快速度。
如果您使用的是MySQL,则可以增加max_allowed_packet
设置以允许更大批量。它的默认值为1MB非常低。 PostGRESQL没有硬编码限制。如果您仍遇到性能问题,可以切换到raw SQL statements。创建500.000个python对象可能会有点开销。在我最近的一个测试中,使用connection.cursor
执行完全相同的查询的速度提高了大约20%。
将文件的实际处理留给后台进程使用例如,这是一个好主意。芹菜,或使用StreamingHttpResponse
在过程中提供反馈。
答案 1 :(得分:0)
此csv文件是否包含无效行?我的意思是你真的需要这条线吗?
except Exception as e: #This logs any exceptions to a custom DB table
如果没有抛出此类错误,则应使用bulk_create()
而不是create()
。
另外我建议在单个事务中执行import。这是一个巨大的速度助推器:
from django.db import transaction
with transaction.atomic():
processor_table(extract_properties)