Python中Scrapy+adbapi提高數(shù)據(jù)庫(kù)寫入效率實(shí)現(xiàn)
一：twisted中的adbapi
數(shù)據(jù)庫(kù)pymysql的commit()和execute()在提交數(shù)據(jù)時(shí)，都是同步提交至數(shù)據(jù)庫(kù)，由于scrapy框架數(shù)據(jù)的解析和異步多線程的，所以scrapy的數(shù)據(jù)解析速度，要遠(yuǎn)高于數(shù)據(jù)的寫入數(shù)據(jù)庫(kù)的速度。如果數(shù)據(jù)寫入過慢，會(huì)造成數(shù)據(jù)庫(kù)寫入的阻塞，影響數(shù)據(jù)庫(kù)寫入的效率。
使用twisted異步IO框架，實(shí)現(xiàn)數(shù)據(jù)的異步寫入，通過多線程異步的形式對(duì)數(shù)據(jù)進(jìn)行寫入，可以提高數(shù)據(jù)的寫入速度。
1.1 兩個(gè)主要方法
adbapi.ConnectionPool：
創(chuàng)建一個(gè)數(shù)據(jù)庫(kù)連接池對(duì)象，其中包括多個(gè)連接對(duì)象，每個(gè)連接對(duì)象在獨(dú)立的線程中工作。adbapi只是提供了異步訪問數(shù)據(jù)庫(kù)的編程框架，再其內(nèi)部依然使MySQLdb這樣的庫(kù)訪問數(shù)據(jù)庫(kù)。
dbpool.runInteraction(do_insert,item)：
異步調(diào)用do_insert函數(shù)，dbpool會(huì)選擇連接池中的一個(gè)連接對(duì)象在獨(dú)立線程中調(diào)用insert_db，其中參數(shù)item會(huì)被傳給do_insert的第二個(gè)參數(shù)，傳給do_insert的第一個(gè)參數(shù)是一個(gè)Transaction對(duì)象，其接口與Cursor對(duì)象類似，可以調(diào)用execute方法執(zhí)行SQL語句，do_insert執(zhí)行后，連接對(duì)象會(huì)自動(dòng)調(diào)用commit方法
1.2 使用實(shí)例
from twisted.enterprise import adbapi
# 初始化數(shù)據(jù)庫(kù)連接池(線程池)
# 參數(shù)一：mysql的驅(qū)動(dòng)
# 參數(shù)二：連接mysql的配置信息
dbpool = adbapi.ConnectionPool('pymysql', **params)
# 參數(shù)1：在異步任務(wù)中要執(zhí)行的函數(shù)insert_db； # 參數(shù)2：給該函數(shù)insert_db傳遞的參數(shù) query = self.dbpool.runInteraction(self.do_insert, item)
# 在execute()之后，不需要再進(jìn)行commit()，連接池內(nèi)部會(huì)進(jìn)行提交的操作。 def do_insert(self, cursor, item): insert_sql = """ insert into qa_sample( need_id, need_question_uptime, need_title, need_title_describe, need_answer_uptime, need_answer) values (%s, %s, %s, %s, %s, %s) """ params = (item['need_id'], item['need_question_uptime'], item['need_title'], item['need_title_describe'], item['need_answer_uptime'], item['need_answer']) cursor.execute(insert_sql, params)
二：結(jié)合scrapy中的pipelines
# -*- coding: utf-8 -*-
from twisted.enterprise import adbapi
import pymysql
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html
class QaSpiderPipeline(object):
def process_item(self, item, spider):
return item
class MysqlTwistedPipeline(object):
def __init__(self, dbpool):
self.dbpool = dbpool
@classmethod
def from_settings(cls, settings):
dbparams = dict(
host=settings['MYSQL_HOST'],
db=settings['MYSQL_DBNAME'],
user=settings['MYSQL_USER'],
passwd=settings['MYSQL_PASSWORD'],
charset='utf8',
cursorclass=pymysql.cursors.DictCursor,
use_unicode=True
)
dbpool = adbapi.ConnectionPool('pymysql', **dbparams)
return cls(dbpool)
def process_item(self, item, spider):
query = self.dbpool.runInteraction(self.do_insert, item)
def do_insert(self, cursor, item):
insert_sql = """
insert into qa_sample(
need_id,
need_question_uptime,
need_title,
need_title_describe,
need_answer_uptime,
need_answer)
values (%s, %s, %s, %s, %s, %s)
"""
params = (item['need_id'],
item['need_question_uptime'],
item['need_title'],
item['need_title_describe'],
item['need_answer_uptime'],
item['need_answer'])
cursor.execute(insert_sql, params)
到此這篇關(guān)于Python中Scrapy+adbapi提高數(shù)據(jù)庫(kù)寫入效率實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Scrapy+adbapi數(shù)據(jù)庫(kù)寫入內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信