问题:
我有一个API,可以从多个弹性索引中获取数据,并将其组合为一个JSON记录,并在调用该API时返回。而且从API提取的结果通常很大。
因此,iam有一个包装器脚本,可以每天从API获取所有数据。但是在我的代码中,iam有一个名为results
的数组,当当天的数据较少时,iam不会出现问题。但是,当一天中获取的数据量巨大时,整个阵列都位于RAM中,从而导致系统运行缓慢。
我创建此数组的主要目的是将mongo导出到另一个网络中,我可以直接从我的网络中复制它。
代码段:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import division, print_function, absolute_import
import argparse
import sys
import logging
import MySQLdb
import requests
import json
import time
_logger = logging.getLogger(__name__)
def get_samples(date,end):
"""
Get Samples hashes form Database
:param date: date of sample arrival
:return list_of_hashes
"""
try:
results = []
cur_time = time.time()
with open('config.json','r') as c:
config = json.load(c)
_logger.info('Entering into database {}'.format(date))
connection = MySQLdb.connect(config['malware_mysql'],"root","root","meta")
cursor = connection.cursor()
cursor.execute("SELECT MD5 from some where `Last_Seen` BETWEEN '{} 00:00:00' AND '{} 23:59:59'".format(date,end))
hashes = cursor.fetchall()
for hash in hashes:
_logger.info('Hash {}'.format(hash[0]))
try:
response = requests.get('http://{}:{}/some/{}'.format(config['a'],config['b'],hash[0]))
_logger.info('Result from API {}'.format(response))
if response.status_code == 200:
results.append(json.loads(response.text))
else:
_logger.error('Error in Querying API {} for hash {}'.format(response.status_code,hash))
except Exception as e:
_logger.error('Error in querying database {} - {}'.format(hash,e))
connection.close()
with open('{}_{}.json'.format(date,end),'w') as f:
f.write(json.dumps(results))
except KeyboardInterrupt:
print('Bye')
except Exception as e:
_logger.error('Error in querying database final {}'.format(e))
return '{} completed'.format(date)
def parse_args(args):
"""
Parse command line parameters
:param args: command line parameters as list of strings
:return: command line parameters as :obj:`airgparse.Namespace`
"""
parser = argparse.ArgumentParser(
description="Enter date to Export")
parser.add_argument(
dest="date",
help="Date of Sample Arrival in format 2018-08-16",
)
parser.add_argument(
dest="end",
help="Date of Sample Arrival end",
)
return parser.parse_args(args)
def main(args):
args = parse_args(args)
print("{} Samples are quiered -- {}".format(args.date, get_samples(args.date,args.end)))
_logger.info("Script ends here")
def run():
logging.basicConfig(level=logging.INFO, stream=sys.stdout)
main(sys.argv[1:])
if __name__ == "__main__":
run()
为什么我要这样做? 我想从API导出一整天的记录,然后使用mongoimport将这个JSON文件传输到mongo。
我需要什么? 防止整个阵列位于RAM中并导致系统变慢的替代解决方案。其他使解决方案更有效的解决方案。
答案 0 :(得分:1)
根据我的收集,您无法直接连接到Mongo数据库,对吗?您可以在本地启动MongoDB吗?这样,您可以使用Mongo Python库在获取结果时保存结果,使用mongoexport
将其提取为JSON文件,然后将其导入最终数据库中?
现在回到您的问题,这里有一些建议:
connection.close()
的连接,因此请紧接着hashes = cursor.fetchall()
json.loads(response.text)
也以更好的API response.json()
results
列表中将所有内容放在一起,无需键盘中断处理,仅更改get_samples
函数:
def get_samples(date, end):
with open('{}_{}.json'.format(date, end), 'w') as out_file:
out_file.write('[\n')
with open('config.json','r') as c:
config = json.load(c)
_logger.info('Entering into database {}'.format(date))
connection = MySQLdb.connect(config['malware_mysql'],"root","root","meta")
cursor = connection.cursor()
cursor.execute(
"SELECT MD5 from some where `Last_Seen` BETWEEN '{} 00:00:00' AND '{} 23:59:59'".format(date, end)
)
hashes = cursor.fetchall()
connection.close()
for hash in hashes:
_logger.info('Hash {}'.format(hash[0]))
try:
response = requests.get('http://{}:{}/some/{}'.format(config['a'],config['b'],hash[0]))
_logger.info('Result from API {}'.format(response))
if response.status_code == 200:
out_file.write(response.json() + ',\n')
else:
_logger.error('Error in Querying API {} for hash {}'.format(response.status_code,hash))
except Exception as e:
_logger.error('Error in querying database {} - {}'.format(hash,e))
out_file.write(']\n')
我没有尝试过此代码,因此某处可能存在语法错误。希望那能使您足够接近。
如果内存使用率仍然很高,请注意请求库具有a streaming mode,这可能会进一步帮助您。