- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
对于一个项目,我需要解析一些非常大的 CSV 文件。一些条目的内容存储在 MySQL 数据库中。我正在尝试使用多线程来加快速度,但到目前为止,这只会减慢速度。
我解析了一个 CSV 文件(最大 10GB),其中一些记录(20M+ 记录 CSV 中的大约 5M)需要插入到 MySQL 数据库中。为了确定需要插入的记录,我们使用 Redis 服务器和包含正确 ID/引用的集合。
由于我们在任何给定时间处理大约 30 个这样的文件,并且存在一些依赖关系,我们将每个文件存储在一个 Resque 队列中,并让多个服务器处理这些(优先级)队列。
简而言之:
class Worker
def self.perform(file)
CsvParser.each(file) do |line|
next unless check_line_with_redis(line)
a = ObjectA.find_or_initialize_by_reference(line[:reference])
a.object_bs.destroy_all
a.update_attributes(line)
end
end
这很有效,横向扩展很好(更多 CSV 文件 = 更多服务器),但较大的 CSV 文件会带来问题。我们目前有一些文件需要超过 75 个小时才能以这种方式进行解析。我已经想到了一些优化:
一个是减少 MySQL 查询;我们实例化 AR 对象,而如果我们知道对象 ID,则使用纯 SQL 插入会快得多。通过这种方式,我们可能可以摆脱大部分 AR,甚至可以摆脱 Rails,从而消除开销。我们不能使用普通的 MySQL 加载数据,因为我们现在必须将 CSV 记录映射到可能具有不同 ID 的其他实体(我们将十几个遗留数据库组合到一个新数据库中)。
另一个正在尝试同时做更多事情。 Redis 和 MySQL 都有一些 IO 等待时间、网络等待时间,即使 MRI 使用绿色线程,这也可能允许我们在 IO 读取等的同时安排我们的 MySQL 查询。但是使用以下代码:
class Worker
def self.perform(file)
CsvParser.each(file) do |line|
next unless check_line_with_redis(line)
create_or_join_thread(line) do |myLine|
a = ObjectA.find_or_initialize_by_reference(myLine[:reference])
a.object_bs.destroy_all
a.update_attributes(myLine)
end
end
def self.create_or_join_thread(line)
@thread.join if @thread.present?
@thread = Thread.new(line) do |myLine|
yield myLine
end
end
end
这会慢慢减慢这个过程。当我 ps au
时,它以 100% CPU 开始,但随着时间的推移,它下降到只有 2-3%。在那一刻它根本没有插入新记录,它只是挂起。
我有 strace
d 这个过程,起初我看到 MySQL 查询通过,过了一会儿它似乎根本没有执行我的 ruby 代码。可能是死锁(它在解析 CSV 的 last 行后挂起,但进程继续以 5% 的 CPU 运行并且没有退出),或者我在这里读到的内容:http://timetobleed.com/ruby-threading-bugfix-small-fix-goes-a-long-way/
我在 Ubuntu 10.10 上使用 Rails 2.3.8、REE、1.8.7-2010.02。非常感谢任何关于如何处理大量线程(或者为什么不在这里使用线程)的见解!
最佳答案
你有这些表的索引吗?
您能否在批量插入期间暂时禁用这些索引?
在我们进行批量插入之前,我们禁用索引键:
ALTER TABLE foo DISABLE KEYS
完成后,我们启用索引键:
ALTER TABLE foo ENABLE KEYS
来自文档:
ALTER TABLE ... DISABLE KEYS tells MySQL to stop updating non-unique indexes. ALTER TABLE ... ENABLE KEYS then should be used to re-create missing indexes. MySQL does this with a special algorithm that is much faster than inserting keys one by one, so disabling keys before performing bulk insert operations should give a considerable speedup. Using ALTER TABLE ... DISABLE KEYS requires the INDEX privilege in addition to the privileges mentioned earlier. While the non-unique indexes are disabled, they are ignored for statements such as SELECT and EXPLAIN that otherwise would use them.
关于ruby-on-rails - 如何使用 ruby 加速大型 CSV 的处理,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5426540/
对于 Metal ,如果对主纹理进行 mipmap 处理,是否还需要对多采样纹理进行 mipmap 处理?我阅读了苹果文档,但没有得到任何相关信息。 最佳答案 Mipmapping 适用于您将从中
我正在使用的代码在后端 Groovy 代码中具有呈现 GSP(Groovy 服务器页面)的 Controller 。对于前端,我们使用 React-router v4 来处理路由。我遇到的问题是,通过
我们正在 build 一个巨大的网站。我们正在考虑是在服务器端(ASP .Net)还是在客户端进行 HTML 处理。 例如,我们有 HTML 文件,其作用类似于用于生成选项卡的模板。服务器端获取 HT
我正在尝试将图像加载到 void setup() 中的数组中,但是当我这样做时出现此错误:“类型不匹配,'processing .core.PImage' does not匹配“processing.
我正在尝试使用其私有(private)应用程序更新 Shopify 上的客户标签。我用 postman 尝试过,一切正常,但通过 AJAX,它带我成功回调而不是错误,但成功后我得到了身份验证链接,而不
如何更改我的 Processing appIconTest.exe 导出的默认图标在窗口中的应用程序? 默认一个: 最佳答案 经过一些研究,我能找到的最简单的解决方案是: 进入 ...\process
我在 Processing 中做了一个简单的小游戏,但需要一些帮助。我有一个 mp3,想将它添加到我的应用程序中,以便在后台循环运行。 这可能吗?非常感谢。 最佳答案 您可以使用声音库。处理已经自带
我有几个这样创建的按钮: 在 setup() PImage[] imgs1 = {loadImage("AREA1_1.png"),loadImage("AREA1_2.png"),loadImage
我正在尝试使用 Processing 创建一个多人游戏,但无法弄清楚如何将屏幕分成两个以显示玩家的不同情况? 就像在 c# 中一样,我们有Viewport leftViewport,rightView
我一直在尝试使用 Moore 邻域在处理过程中创建元胞自动机,到目前为止非常成功。我已经设法使基本系统正常工作,现在我希望通过添加不同的功能来使用它。现在,我检查细胞是否存活。如果是,我使用 fill
有没有办法用 JavaScript 代码检查资源使用情况?我可以检查脚本的 RAM 使用情况和 CPU 使用情况吗? 由于做某事有多种方法,我可能会使用不同的方法编写代码,并将其保存为两个不同的文件,
我想弄清楚如何处理这样的列表: [ [[4,6,7], [1,2,4,6]] , [[10,4,2,4], [1]] ] 这是一个整数列表的列表 我希望我的函数将此列表作为输入并返回列表中没有重复的整
有没有办法在不需要时处理 MethodChannel/EventChannel ?我问是因为我想为对象创建多个方法/事件 channel 。 例子: class Call { ... fields
我有一个关于在 Python3 中处理 ConnectionResetError 的问题。这通常发生在我使用 urllib.request.Request 函数时。我想知道如果我们遇到这样的错误是否可
我一直在努力解决这个问题几个小时,但无济于事。代码很简单,一个弹跳球(粒子)。将粒子的速度初始化为 (0, 0) 将使其保持上下弹跳。将粒子的初始化速度更改为 (0, 0.01) 或任何十进制浮点数都
我把自己弄得一团糟。 我想在我的系统中添加 python3.6 所以我决定在我的 Ubuntu 19.10 中卸载现有的。但是现在每次我想安装一些东西我都会得到这样的错误: dpkg: error w
我正在努力解决 Rpart 包中的 NA 功能。我得到了以下数据框(下面的代码) Outcome VarA VarB 1 1 1 0 2 1 1 1
我将 Java 与 JSF 一起使用,这是 Glassfish 3 容器。 在我的 Web 应用程序中,我试图实现一个文件(图像)管理系统。 我有一个 config.properties我从中读取上传
所以我一直在Processing工作几个星期以来,虽然我没有编程经验,但我已经转向更复杂的项目。我正在编写一个进化模拟器,它会产生具有随机属性的生物。 最终,我将添加复制,但现在这些生物只是在屏幕上漂
有人知道 Delphi 2009 对“with”的处理有什么不同吗? 我昨天解决了一个问题,只是将“with”解构为完整引用,如“with Datamodule、Dataset、MainForm”。
我是一名优秀的程序员,十分优秀!