类似于我写的另一篇文章,这篇文章回答了那篇文章并提出了一个新问题。
我需要更新空间数据库中的每个记录,其中有一组覆盖多边形数据集的点的数据集。对于每个点特征,我要指定一个关键点,以将其与所在的多边形特征相关联。因此,如果我的点“纽约市”位于polygon USA内,对于USA多边形“GID=1”,我将为我的点“纽约市”指定“GID_fkey=1”。
好的,这是通过多处理实现的。我注意到使用它的速度提高了150%,所以它确实有效。但我认为有一堆不必要的开销,因为每个记录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
每个连接看起来介于0.3到1.5秒之间,因为我使用“时间”模块对其进行了测量。
有没有一种方法可以为每个进程建立一个数据库连接,然后使用city_id info作为一个变量,我可以将其输入到这个打开的游标查询中?通过这种方式,我假设有四个进程,每个进程都有一个数据库连接,然后以某种方式将我的城市id放入进程中。
尝试在使用者构造函数中隔离连接的创建,然后将其交给已执行的任务:
相关问题 更多 >
编程相关推荐