推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2721 天前的主题，其中的信息可能已经有所发展或是发生改变。
大家好，请问：
目前一个项目，scrapy 目前一分钟抓取 7000 条。需要把数据写入数据库。
而 Pipelines 好像是分析一条 insert into 一条，性能很低。
INSERT INTO table_name (列 1, 列 2,...) VALUES (值 1, 值 2,....)
请问是我的操作方法有问题，还是说可以把数据一批批写入提高效率，如：
INSERT INTO table_name (列 1, 列 2,...) VALUES (值 1, 值 2,....)， (值 1, 值 2,....)， (值 1, 值 2,....)， (值 1, 值 2,....)
目前一个项目，scrapy 目前一分钟抓取 7000 条。需要把数据写入数据库。
而 Pipelines 好像是分析一条 insert into 一条，性能很低。
INSERT INTO table_name (列 1, 列 2,...) VALUES (值 1, 值 2,....)
请问是我的操作方法有问题，还是说可以把数据一批批写入提高效率，如：
INSERT INTO table_name (列 1, 列 2,...) VALUES (值 1, 值 2,....)， (值 1, 值 2,....)， (值 1, 值 2,....)， (值 1, 值 2,....)
 |
1
misaka19000 2017-06-17 14:50:01 +08:00 via Android
要是我就换 Redis
|
 |
2
panda0 2017-06-17 15:05:15 +08:00
m
|
 |
3
bazingaterry 2017-06-17 15:15:28 +08:00 via iPhone  1
先丢进 Redis，再写个中间件处理后再入库吧……
|
 |
4
360safe OP scrapy 批量化 写入方案 怎么样呢？如果想实现的话如何实现呢？
|
 |
5
iyaozhen 2017-06-17 15:48:44 +08:00 via Android
你这数据量算少了。insert 批量插入就行
|
|
7
iyaozhen 2017-06-17 15:59:51 +08:00 via Android
@360safe 简单的话就是把每个 value 存着，然后搞个全局计数器，到了一定数量后拼成一个大 SQL，执行就行
|
 |
8
zts1993 2017-06-17 16:00:52 +08:00
异步 mysql 驱动。或者用发队列，避免阻塞
|
 |
9
Allianzcortex 2017-06-17 16:12:51 +08:00 via iPhone
executemany
|
|
10
360safe OP @Allianzcortex executemany 看上去与 NSERT INTO table_name (列 1, 列 2,...) VALUES (值 1, 值 2,....)， (值 1, 值 2,....)， (值 1, 值 2,....)， (值 1, 值 2,....) 类似，只是更清晰。
|
 |
12
mringg 2017-06-17 16:48:52 +08:00
先往队列里写，然后再写 consumer 消费掉，这样就不影响采集速度了
|
|
13
360safe OP 问题应该解决了：
MySQLStorePipeline 定义了一个 article_items 集合用于存储 spider 爬到的 item，当 items 数量达到 1000 时，批量写入数据库。如果接受到 item 就单条写入数据库，会比批量写入慢很对，爬虫的效率会慢一个数量级。 http://kekefund.com/2016/03/31/scrapy-learn/ |
 |
14
slixurd 2017-06-17 17:21:50 +08:00 1
7000 条一分钟,数据库写压力 117QPS
这么低的压力都嫌慢,说明配置超级垃圾 用这么低配的 MySQL,上 Redis 的意义在哪,浪费资源么,23333 |
|
15
360safe OP 不是啊，用的阿里云 RDS，远程的。你这样提醒了我，一会弄一个本地的中转一下。
|
|
16
misaka19000 2017-06-17 18:55:23 +08:00 via Android
@slixurd 哈哈，没有想到这种情况
|
 |
18
owenliang 2017-06-18 16:06:35 +08:00
你先试试批量提交能到多少。。
|
 |
19
NaVient 2017-06-19 09:37:03 +08:00
扔到ＭＱ这种异步队列里，再异步插入不就行了
|
|
20
360safe OP 嗯嗯，谢谢大家。最终解决方法是：
因为每次一条 insert into 插入速度很慢，用了一个全局变量存着值，5000 条 executemany 写入一次远程阿里云数据库。 批量后完全满足一分钟过滤 7000 条的需求。（本地数据库也受不了一条条插入。） |
Select Language