2

目标：

  • 使用带有线程或进程的 SQLAlchemy 在数据库中运行约 40 个大型查询，将相应的 SQLA ResultProxies放入 Queue.Queue （由multiprocessing.Manager 处理）
  • 同时，将结果写入 .csv 文件，其中包含多个消耗所述队列的进程

当前状态：

  • 运行查询和写入数据的 QueryThread 和 WriteThread 类；由于查询需要一些时间来运行，因此 GIL 处理线程的方式不会造成显着的性能损失
  • 另一方面，编写文件需要很长时间；事实上，即使最初的想法是运行 WriteThread 类的多个线程，但使用单个线程可以获得最佳性能。

因此产生了使用多处理的想法；我希望能够同时写入输出，而不是受 CPU 限制，而是受 I/O 限制。

抛开背景不谈，这是一个问题（本质上是一个设计问题）——多处理库的工作原理是酸洗对象，然后将数据输送到其他衍生的进程；但是我尝试在 WriteWorker 进程中使用的 ResultProxy 对象和共享队列不可提取，这会导致以下消息（不是逐字记录，但足够接近）：

pickle.PicklingError: Can't pickle object in WriteWorker.start()

因此，对您有帮助的人来说，问题是，关于可以避免这个问题的潜在设计模式或方法的任何想法？这似乎是一个简单的、经典的生产者-消费者问题，我想解决方案很简单，我只是想多了

任何帮助或反馈表示赞赏！谢谢 ：）

编辑：这是一些相关的代码片段，如果我可以提供任何其他上下文，请告诉我

从父类：

#init manager and queues
self.manager = multiprocessing.Manager()
self.query_queue = self.manager.Queue()
self.write_queue = self.manager.Queue()


def _get_data(self):
    #spawn a pool of query processes, and pass them query queue instance
    for i in xrange(self.NUM_QUERY_THREADS):
        qt = QueryWorker.QueryWorker(self.query_queue, self.write_queue, self.config_values, self.args)
        qt.daemon = True
        # qt.setDaemon(True)
        qt.start()

    #populate query queue
    self.parse_sql_queries()

    #spawn a pool of writer processes, and pass them output queue instance
    for i in range(self.NUM_WRITE_THREADS):
        wt = WriteWorker.WriteWorker(self.write_queue, self.output_path, self.WRITE_BUFFER, self.output_dict)
        wt.daemon = True
        # wt.setDaemon(True)
        wt.start()

    #wait on the queues until everything has been processed
    self.query_queue.join()
    self.write_queue.join()

并来自 QueryWorker 类：

def run(self):
    while True:
        #grabs host from query queue
        query_tupe = self.query_queue.get()
        table =  query_tupe[0]
        query = query_tupe[1]
        query_num = query_tupe[2]
        if query and table:
            #grab connection from pool, run the query
            connection = self.engine.connect()
            print 'Running query #' + str(query_num) + ': ' + table
            try:
                result = connection.execute(query)
            except:
                print 'Error while running query #' + str(query_num) + ': \n\t' + str(query) + '\nError: '  + str(sys.exc_info()[1])

            #place result handle tuple into out queue
            self.out_queue.put((table, result))

        #signals to queue job is done
        self.query_queue.task_done()
4

1 回答 1

1

简单的答案是避免直接使用 ResultsProxy。而是使用 cursor.fetchall() 或 cursor.fetchmany(number_to_fetch) 从 ResultsProxy 获取数据，然后将数据传递到多处理队列中。

于 2012-11-28T17:13:55.560 回答