创建数据库连接并在多个进程中维护

Question

这段内容和我之前发的一个帖子有点相似，主要是对那个帖子进行回应，同时也提出了一个新问题。

简单回顾一下：我需要更新一个空间数据库里的每一条记录，这个数据库里有一些点的数据集，这些点的数据集覆盖了一些多边形的数据集。对于每一个点，我想给它分配一个键，以便把它和它所在的多边形关联起来。比如说，如果我的点“纽约市”在多边形“美国”里面，而这个“美国”多边形的标识是‘GID = 1’，那么我就会给我的点“纽约市”分配‘gid_fkey = 1’。

好的，这个目标已经通过多进程实现了。我发现使用这种方法速度提高了150%，所以确实有效。但我觉得这样做有很多不必要的开销，因为每条记录都需要一个数据库连接。

下面是代码：

import multiprocessing, time, psycopg2

class Consumer(multiprocessing.Process):

    def __init__(self, task_queue, result_queue):
        multiprocessing.Process.__init__(self)
        self.task_queue = task_queue
        self.result_queue = result_queue

    def run(self):
        proc_name = self.name
        while True:
            next_task = self.task_queue.get()
            if next_task is None:
                print 'Tasks Complete'
                self.task_queue.task_done()
                break            
            answer = next_task()
            self.task_queue.task_done()
            self.result_queue.put(answer)
        return


class Task(object):
    def __init__(self, a):
        self.a = a

    def __call__(self):        
        pyConn = psycopg2.connect("dbname='geobase_1' host = 'localhost'")
        pyConn.set_isolation_level(0)
        pyCursor1 = pyConn.cursor()

        procQuery = 'UPDATE city SET gid_fkey = gid FROM country  WHERE ST_within((SELECT the_geom FROM city WHERE city_id = %s), country.the_geom) AND city_id = %s' % (self.a, self.a)

        pyCursor1.execute(procQuery)
        print 'What is self?'
        print self.a

        return self.a

    def __str__(self):
        return 'ARC'
    def run(self):
        print 'IN'

if __name__ == '__main__':
    tasks = multiprocessing.JoinableQueue()
    results = multiprocessing.Queue()

    num_consumers = multiprocessing.cpu_count() * 2
    consumers = [Consumer(tasks, results) for i in xrange(num_consumers)]
    for w in consumers:
        w.start()

    pyConnX = psycopg2.connect("dbname='geobase_1' host = 'localhost'")
    pyConnX.set_isolation_level(0)
    pyCursorX = pyConnX.cursor()

    pyCursorX.execute('SELECT count(*) FROM cities WHERE gid_fkey IS NULL')    
    temp = pyCursorX.fetchall()    
    num_job = temp[0]
    num_jobs = num_job[0]

    pyCursorX.execute('SELECT city_id FROM city WHERE gid_fkey IS NULL')    
    cityIdListTuple = pyCursorX.fetchall()    

    cityIdListList = []

    for x in cityIdListTuple:
        cityIdList.append(x[0])


    for i in xrange(num_jobs):
        tasks.put(Task(cityIdList[i - 1]))

    for i in xrange(num_consumers):
        tasks.put(None)

    while num_jobs:
        result = results.get()
        print result
        num_jobs -= 1

根据我用'time'模块测量的结果，每个连接的时间大约在0.3到1.5秒之间。

有没有办法让每个进程只建立一个数据库连接，然后把city_id的信息作为变量传入查询中呢？这样我可以创建四个进程，每个进程都有一个数据库连接，然后把city_id传进去进行处理。

性能优化数据库连接数据库查询进程间通信多进程键值关联空间数据库数据记录更新

创建数据库连接并在多个进程中维护

1 个回答

撰写回答