0

我已经使用 Google App Engine 部署了一个 Django 网站，并且正在使用命令

python manage.py remote loaddata my_data.yaml

使用来自 yaml 格式的夹具文件的初始数据填充数据存储。这是我的 yaml 文件的示例：

- fields: {team: 10, first_name: Jeff, last_name: Adrien, age: 25, pos: SF, gp: 8, mp: 63, 
fg: 7, fga: 16, ft: 7, fta: 12, three_pointers: 0, threes_attempted: 0, orb: 5, drb: 17, 
ast: 1, stl: 0, blk: 2, tov: 2, pf: 13, pts: 21
}
  model: players.player
  pk: 1
- fields: {team: 7, first_name: Arron, last_name: Afflalo, age: 26, pos: SG, gp: 62, mp: 2086, 
fg: 329, fga: 699, ft: 197, fta: 247, three_pointers: 88, threes_attempted: 221, orb: 40, 
drb: 157, ast: 149, stl: 36, blk: 13, tov: 85, pf: 134, pts: 943
}
  model: players.player
  pk: 2

总的 yaml 文件大约是这个大小的 20 倍（达到 pk:478）。我不认为这有那么大，但是即使我有一个非常快的网络连接（1 Mbps），加载到数据存储区也需要非常长的时间（几分钟）。

最重要的是，在加载它之后，我检查了 Google App Engine 上的仪表板，它说我已经对数据存储执行了 04 万次写入操作。根据我的计算，鉴于上面有 21 个字段，加上 1 个用于 pk，乘以 478 个模型实例，我应该只执行大约 10K 写入，而不是 40K。

是否因为我使用 django-dbindexer 为 first_name 和 last_name 字段添加索引而发生了额外的写入？如果是这样，这就是为什么加载我的数据需要这么长时间吗？

4

1 回答 1

2

远程 API 真的很慢。如果您阅读旧的 google-appengine-python 邮件列表（您可以在 Google Groups 中找到它），就会发现它对于大量数据传输没有用处。API 最终会为每个读取或写入请求发出 HTTP 请求。所以这是众所周知的。bulkloader 似乎是加载海量数据的方式（我没有亲自尝试过）。

您的写入取决于您拥有的索引属性的数量，而这又取决于您拥有的索引数量。dbindexer 可能正在添加其他索引字段。您应该能够使用 Datastore Admin 查看数据存储中的实际实体，以查看它们是否具有 dbindexer 生成的字段。如果是 dbindexer 的错，您会看到像“idxf_first_name_iexact”这样的额外字段。

更有可能的是，您正在执行一些复杂的查询，需要为每个实体编写额外的索引。您应该能够查看管理员中的 Datastore Indexes 页面，以查看您为每个实体编写的额外索引的数量。

索引增长速度比您预期快的另一种方式是，如果您有一个索引列表属性，但它看起来不像您拥有它。

我建议您对 dbindexer 持怀疑态度。我没有广泛使用它，但是它可以为你做的 JOIN 操作不会很好地扩展，所以在我看来，它只是一个玩具而不是一个可用的功能。您可能仍然可以使用它来做一些事情。例如，如果您想进行不区分大小写的搜索，它会自动为您添加一个“iexact”字段，而不必手动执行此操作。

于 2012-08-03T05:19:16.717 回答