我打算运行可能需要一个月才能完成的红宝石流程。如果可能的话，我想确保停电或按错按钮不会花费我整个月的工作。
是否有一种简单的方法可以定期将程序的状态保存到磁盘？ （涉及更多工作的技术包括添加代码，这些代码可以整理数据库之外的所有内容，或者可能使用虚拟机来处理进程的操作系统）
（对于那些感兴趣的人：该过程涉及解析一个知名网站的一个数GB的XML文件，处理一些信息，并将信息保存到ActiveRecord数据库中。两次。）
编辑：项目为this one，XML文件为pages-articles.xml（例如enwiki-20090306-pages-articles.xml）。没有什么专有的，我只是不想进入“Plz halp”模式。第一遍得到维基百科页面标题列表，下一遍确定从每个页面到另一个页面的第一个链接，然后我计算一些统计数据。
正如一些回答者所建议的那样，从我离开的地方继续，可能是一个有效的选择。如果它在第一次传递期间崩溃，那么我可能会重新运行它，告诉它不要添加已经存在的条目。如果它在第二次传递期间崩溃，那么我应该只要求它为尚未计算其链接的页面构建链接。如果在计算统计数据期间崩溃，我可以重新计算统计数据。
其他编辑：Save a process’ memory for later use?询问此问题的更一般版本。看起来你无法轻易备份长时间运行的进程。
答案 0 :(得分：1)
我想不出一个超级简单的方法来做到这一点，但是如果你愿意稍微修改你的代码，你可能会从YAML（一个易于使用的标记库）获得一些帮助。 yaml.org）。导入YAML库为每个对象提供一个.to_yml函数，该函数将序列化整个对象，因此可以将其保存到文件中，也可以从yml中恢复对象。 因此，这需要添加一些代码来定期保存，但实际的保存位可能相对容易。此外，yaml是内置的，因此无需下载。
require "yaml"
def backup(objects_im_Using)
out_file = File.open("prefix"+Time.now.strftime('%Y-%M-%d')+".yml","w")
objects_im_Using.each {|object| out_file
（虽然我认为真正的ruby方法是让备份函数产生一个块或者某些东西。）
对不起，没有比这更好的方法了。我有兴趣阅读更好的回答这个问题！
答案 1 :(得分：1)
从上周末我的工作机器意外断电（建筑物其他地方的建筑）的角度来看，我同情这个想法。
分区任务有什么价值吗？输入文件可以重新编写成许多较小的文件吗？
我知道，这个数量级更小，但我每天早上都会在一些AR模型上加载大约200万行。为了解决我遭遇的令人震惊的数据库延迟问题（不同国家的数据库服务器 - 请不要问）我将输入的CSV文件重写为16个“片段”。每个片段都记录在Fragment模型中，这有助于我识别重新运行的任何完成失败。它运行得非常好，并且在需要时重新启动很简单。通常的运行时间约为30分钟。
如果您的XML输入结构合理，那么将子结构（我确信有一个比这更好的术语）提取到单独的文件中应该相当简单。我不知道SAX解析器能够以多快的速度执行此操作 - 可能不是太可怕，但如果它仍然太慢，它可以在没有XML库的情况下完成。考虑向目标模型添加一列以识别它从中加载的片段 - 这样就可以很容易地删除不完整的运行。
除此之外，考虑将所有状态保存在一个类中并使用Marshal定期保存？
答案 2 :(得分：1)
随着它的进行，它会保存到数据库中，但是从您的问题来看，您似乎无法单独从那里停止使用该数据。
内存中的数据是否可以保存在临时表或临时列中，这样可以让您从上次停止的地方继续操作？也许您不需要整个状态 - 也许数据的一个子集可以让您重新创建电源关闭的点（或其他）。
答案 3 :(得分：0)
行。现在我们知道了一点，我认为整个问题可能没有实际意义。我猜想，从一个善良的星期五愚弄，你应该能够在几个小时内提取你需要的数据。
您可能需要几天时间才能完成自己的设置，弄清楚您需要存储的内容，如何存储它以及在获得它之后如何处理它，但这是有趣的部分反正。
以下是我认为您可以解决问题的方法。
您知道文件结构。它是一个庞大的（令人难以置信的大，让我们诚实）XML文件;我看到大约21GB。在结构上它很简单。您需要<page>元素，您需要从中提取一些基本信息：标题，文本（或至少其中的链接）和id。这是一个非常简单的解析工作 - 不需要XML库或诸如此类的东西，简单的字符串匹配算法就足够了。对于标题，使用String #index查找打开和关闭标记并在其间提取位。对于文本中的第一个链接，它有点棘手，因为您必须根据规则确定第一个真实链接。
将21GB的文本读入内存将是一个很好的技巧，但当然你不必这样做：你只需要一个有用大小的块来处理。一兆字节似乎是合理的。或者10K。这不是什么大不了的事 - 砍掉GB左右来试验。
我有一个脚本，每分钟提取和写入一个大约250,000个标题/第一链接对的文本文件。它忽略了“重定向”页面（因此它处理了更多的页面）并忽略了带有“：”的链接（到目前为止还不够聪明，但我想在那里放一些处理）。没有regexen，哎呀，没有要求。大约30行不是很简洁的代码。它发现了大约523万个标题（我认为有更多不需要的标题：文件，项目等等），并在大约20分钟内编写了一个更集中和可管理的1.03GB输出（见下文）。 Ruby（MRI）1.8.6，Windows Vista，2GHz Core 2 Duo。他们说Ruby很慢。
前3行：
Anarchism, [[political philosophy]]
Autism, [[Neurodevelopmental disorder|brain development disorder]]
Albedo, [[Sun]]
答案 4 :(得分：0)
Save a process’ memory for later use?询问此问题的更一般版本。看起来你无法轻易备份长时间运行的进程。