背景:
我python
设置了一个模块来从流式 API 中获取 JSON 对象,并使用 pymongo 将它们(一次批量插入 25 个)存储在 MongoDB 中。为了比较,我还有一个 bash 命令可以curl
从同一个流 APIpipe
和mongoimport
. 这两种方法都将数据存储在单独的集合中。
我会定期监控这些count()
收藏品以检查它们的表现。
到目前为止,我看到该python
模块落后于该curl | mongoimport
方法大约 1000 个 JSON 对象。
问题:
如何优化我的python
模块以与 ? 同步 curl | mongoimport
?
我无法使用tweetstream
,因为我使用的不是 Twitter API,而是第 3 方流媒体服务。
有人可以帮我吗?
Python
模块:
class StreamReader:
def __init__(self):
try:
self.buff = ""
self.tweet = ""
self.chunk_count = 0
self.tweet_list = []
self.string_buffer = cStringIO.StringIO()
self.mongo = pymongo.Connection(DB_HOST)
self.db = self.mongo[DB_NAME]
self.raw_tweets = self.db["raw_tweets_gnip"]
self.conn = pycurl.Curl()
self.conn.setopt(pycurl.ENCODING, 'gzip')
self.conn.setopt(pycurl.URL, STREAM_URL)
self.conn.setopt(pycurl.USERPWD, AUTH)
self.conn.setopt(pycurl.WRITEFUNCTION, self.handle_data)
self.conn.perform()
except Exception as ex:
print "error ocurred : %s" % str(ex)
def handle_data(self, data):
try:
self.string_buffer = cStringIO.StringIO(data)
for line in self.string_buffer:
try:
self.tweet = json.loads(line)
except Exception as json_ex:
print "JSON Exception occurred: %s" % str(json_ex)
continue
if self.tweet:
try:
self.tweet_list.append(self.tweet)
self.chunk_count += 1
if self.chunk_count % 1000 == 0
self.raw_tweets.insert(self.tweet_list)
self.chunk_count = 0
self.tweet_list = []
except Exception as insert_ex:
print "Error inserting tweet: %s" % str(insert_ex)
continue
except Exception as ex:
print "Exception occurred: %s" % str(ex)
print repr(self.buff)
def __del__(self):
self.string_buffer.close()
谢谢阅读。