有人可以向我指出如何解决以下问题的正确方向。我正在尝试使用pandas.read_sql和asyncio提出解决方案。我想将表记录从1个数据库迁移到另一个数据库。
我要执行以下操作:
table 1
.
.
.
table n
我具有以下功能:
def extract(table):
try:
df = pd.DataFrame()
df = pd.concat(
[chunk for chunk in
pd.read_sql(sql,
con=CONNECTION,
chunksize=10**5)]
)
except Exception as e:
raise e
else:
return df
我想并行运行这些文件,而不是一个一个地运行。
extract(table1)
extract(table2)
.
.
extract(tablen)
答案 0 :(得分:0)
asyncio是关于将非阻塞代码组织到回调和协程中。并行运行CPU密集型代码是线程的用例:
from concurrent.futures import ThreadPoolExecutor
with ThreadPoolExecutor() as executor:
frames = list(executor.map(extract, all_tables))
此操作实际上是否比顺序代码运行得更快,取决于pd.read_sql
是否释放GIL。