前言:
最近项目在做数据分析,需要接入大量的客户数据;理论上如果我直接访问对方数据库不会慢的,但是对方不允许我们直接访问,要他们推送给我们,一个mysql数据库做中转,这中间写入mysql,我从mysql 读取,速度慢太多了。因此考虑历史数据通过文件发送给我们。综合考虑采用方案为实时数据采用推送,历史数据采用文件一次性给我们。这就带来了一个问题,历史数据有100G。直接读取,内存受不了。按行读取处理太慢。
问题描述:
由于我的要进行数据处理,我想通过pandas 做一个数据的筛选和预处理,所以我的文件想写入的是pandas,使用pandas模块来读取文件。直接读取会卡死机器。文件有70G大小。
解决方案: