|
|
|
|
python脚本解析日志文件入库一般有三个重要的步骤：读文件、解析文件、入库。在这三个方面下功夫，可确保我们获得最优的性能（这里不讨论并发）
1 读文件：一次读一行，磁盘IO太多，效率低下；一次性读如全部文件内容，可能内存不够。采取一个折中的办法，每次读若干byte(具体大小视实际情况而定)。
经过测试，得到结论，在我们写代码的时候应该这样写
f = open(path,‘r‘)
for line in f :
.............
这是系统提供的一种读文件的方法，一般比我们自己每次读若干byte要快（f.read(20000)）,具体怎么做到的，现在还不清楚。总之，系统提供的，
应该差不了，不然也太丢人。啊哈！
2 解析日志，如果用到正则表达式，应该先编译然后再查找，这样可以提高速度。例如 ：
regex0 = re.compile("(^|;)mobile=(\d+)")
mobile_number=regex0.search(self.resp_log).group(2)
当然，这是一个大方面，精细的方面我们还要在正则的写法上下功夫。关于Python的正则的高效写法，后续会专门用一边文章来写。
3 入库：网上有好多建议使用executemany()这个写法，insert into tablename(xx,xx)
values(yy,yy),(yy,yy)....的形式却会快很多，
我们应
该直接把我们的SQL拼接成这种形式，效率远远高于executemany(),具体一次性要插入多少行，自己测一下哦。每秒1W应该没问题。
==============================================================================
按照上面的写法，可以保证读文件、解析文件、入库每个环节都做到最优，但是在整体结构上还有优化的空间，详细如下：
1 启一个线程readThread只负责读文件，然后把读到的内容放到队列Queue1中；
2 启一个线程manageThread只负责解析文件内容，然后把解析好的东西放到Queue2中；
3 启动第三个线程writeDB负责将解析好的文件内容入库；
4 开启一个后台线程对1、2、3三个线程的运行状况进行监控、记录与处理。