python - 从导航台数据存储聚合数据的最佳方式？

Question

我有一个 StatisticStore 模型定义为:

class StatisticStore(ndb.Model):
  user = ndb.KeyProperty(kind=User)
  created = ndb.DateTimeProperty(auto_now_add=True)
  kind = ndb.StringProperty()
  properties = ndb.PickleProperty()

  @classmethod
  def top_links(cls, user, start_date, end_date):
    '''
    returns the user's top links for the given date range
    e.g.
    {'http://stackoverflow.com': 30,
     'http://google.com': 10,
     'http://yahoo.com': 15}
    '''
    stats = cls.query(
      cls.user == user.key,
      cls.created >= start_date,
      cls.created <= end_date,
      cls.kind == 'link_visited'
    )
    links_dict = {}
    # generate links_dict from stats
    # keys are from the 'properties' property
    return links_dict

我想要一个 AggregateStatisticStore 模型，每天存储 StatisticStore 的聚合。它可以每天生成一次。像这样的东西:

class AggregateStatisticStore(ndb.Model):
  user = ndb.KeyProperty(kind=User)
  date = ndb.DateProperty()
  kinds_count = ndb.PickleProperty()
  top_links = ndb.PickleProperty()

因此以下内容为真:

start = datetime.datetime(2013, 8, 22, 0, 0, 0)
end = datetime.datetime(2013, 8, 22, 23, 59, 59)

aug22stats = StatisticStore.query(
  StatisticStore.user == user,
  StatisticStore.kind == 'link_visited',
  StatisticStore.created >= start,
  StatisticStore.created <= end
).count()
aug22toplinks = StatisticStore.top_links(user, start, end)

aggregated_aug22stats = AggregateStatisticStore.query(
  AggregateStatisticStore.user == user,
  AggregateStatisticStore.date == start.date()
)

aug22stats == aggregated_aug22stats.kinds_count['link_visited']
aug22toplinks == aggregated_aug22stats.top_links

我正在考虑使用任务队列 API 运行一个 cronjob。该任务将生成每天的 AggregateStatisticStore。但我担心它可能会遇到内存问题？因为 StatisticStore 每个用户可能有很多记录。

此外，top_links 属性使事情有点复杂。我不确定在聚合模型中拥有它的属性是否是最好的方法。对该属性的任何建议都会很棒。

最终，我只想为 StatisticStore 保留大约 30 天前的记录。如果记录超过 30 天，则应将其汇总(然后删除)。节省空间并缩短可视化查询时间。

编辑 每次记录 StatisticStore 时，它会创建/更新相应的 AggregateStatisticStore 记录。这样，cronjob 所要做的就是清理。想法？

Answer 1

是的，mapreduce 对此很有帮助。或者，您可以使用“后端”(现在是模块)实例运行您的 cron 作业。这可以减轻内存问题和作业长度问题。

另一种方法可能是将聚合移动到写入时间。由于这是针对每个用户的，您可能会发现这样可以减少很多工作。如果 AggregateStatisticStore 是每天，您可能希望使用 DateProperty 以外的其他日期。 DateProperty 当然可以工作，但我发现将 In​​tegerProperty 用于这种 int 只是“某天以来的某天”的事情更容易。