大批量读取硬盘中的数据,存储到mongo数据库中

1.批量读取数据

# 获取文件夹下所有文件的路径
def file_path(dirname):
    # 将文件路径存到redis
    redis.expire("json_path", 0)
    for root, _, files in os.walk(dirname):
        for f in files:
            file_path = os.path.join(root, f)
            # 将文件路径写死
            # 将每一个json path存入redis
            redis.lpush("json_path", file_path)
            logger.info(f"{file_path}  to  redis!")
    length = redis.llen("json_path")
    logger.info(f"总共有 --------{length}个文件 -------")
    logger.info(f"总共有 --------{length}个文件 -------")
    logger.info(f"总共有 --------{length}个文件 -------")

# 读取一个文件的所有数据
def read_json():
    process = os.getpid()
    while True:
        json_path = redis.rpop("json_path")
        if json_path is None:
            break
        path = bytes.decode(json_path)
        logger.info(f"process_{process} start read | {path} ")
        start = timeit.default_timer()

        with open(path, 'r', encoding='utf-8') as f:
            i = 0
            count = 0
            mongo_save_list = []
            line_data = 'a'
            f1 = open(r"上传失败.txt", 'a+', encoding='utf-8')
            f2 = open(r"上传成功.txt", 'a+', encoding='utf-8')
            while line_data:
                try:
                    line_data = f.readline()
                    if line_data:
                        try:
                            data = json.loads(line_data)  # 把读取的一行的json数据加载出来
                        except Exception as e:
                            print('error1:', e)
                            count += 1
                            print("上传失败{}条".format(count))
                            f1.write("上传失败{}条".format(count) + '\n')
                            pass

                        i += 1
                        print("上传成功{}条".format(i))
                        f2.write("上传成功{}条".format(i) + '\n')
                        tx = data
                        # mongo_save_list = []
                        mongo_save_list.append(tx)
                        if len(mongo_save_list) == 1000:
                            # print("1",len(mongo_save_list))
                            yield mongo_save_list
                            del(mongo_save_list)
                            mongo_save_list = []
                            # print("2",len(mongo_save_list))

                    else:
                        yield mongo_save_list
                        return StopIteration
                except Exception as e:
                    print('error2', e)
        elapsed = (timeit.default_timer() - start)
        logger.info(f"process_{process} readall  success! | used {elapsed} s")

2.存入mongo

"""存入本地mongo"""
def init_motor(datas):

    db_url = '127.0.0.1'
    db_name = "test"
    db_collection = "test"
    db_port = 27017

    # 建立连接
    # 同步pymongo
    client = pymongo.MongoClient(db_url, db_port)
    # 连接某个库名字
    db = client[db_name][db_collection]
    # 批量插入

    try:
        db.insert_many(datas, ordered=False, bypass_document_validation=True)
        print('正在插入数据。。。')
    except BulkWriteError as e:
        print('84error', e)
        logger.error(e.details)

# 将数据存入mongo
def save_to_mongo():
    data = read_json()
    for d in data:
        init_motor(d)


def dir_path():
    DIRPATH = r"json_files"
    return DIRPATH

if __name__ == '__main__':
    start = timeit.default_timer()
    dirpath = dir_path()
    # 生成文件路径
    file_path(dirpath)
    # 多进程保存
    process_count = 50
    with multiprocessing.Pool(process_count) as pool:
        for i in range(process_count):
            pool.apply_async(save_to_mongo)

        pool.close()
        pool.join()
    elapsed = (timeit.default_timer() - start)
    logger.info(f"所有数据存储完毕:| used {elapsed} s")

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值