多进程分块读取文件

        # -*- utf-8 -*-

	import urlparse
	import datetime
	import os
	from multiprocessing import Process,Queue,Array,RLock

	"""
	多进程分块读取文件
	"""

	WORKERS = 4
	BLOCKSIZE = 100000000
	FILE_SIZE = 0

	def getFilesize(file):
	    """
	        获取要读取文件的大小
	    """
	    global FILE_SIZE
	    fstream = open(file,'r')
	    fstream.seek(0,os.SEEK_END)
	    FILE_SIZE = fstream.tell()
	    fstream.close()

	def process_found(pid,array,file,rlock):
	    global FILE_SIZE
	    global JOB
	    global PREFIX
	    """
	        进程处理
	        Args:
	            pid:进程编号
	            array:进程间共享队列,用于标记各进程所读的文件块结束位置
	            file:所读文件名称
	        各个进程先从array中获取当前最大的值为起始位置startpossition
	        结束的位置endpossition (startpossition+BLOCKSIZE) if (startpossition+BLOCKSIZE)
	        if startpossition==FILE_SIZE则进程结束
	        if startpossition==0则从0开始读取
	        if startpossition!=0为防止行被block截断的情况,先读一行不处理,从下一行开始正式处理
	        if 当前位置 <=endpossition 就readline
	        否则越过边界,就从新查找array中的最大值
	    """
	    fstream = open(file,'r')

	    while True:
	        rlock.acquire()
	        print 'pid%s'%pid,','.join([str(v) for v in array])
	        startpossition = max(array)
	        endpossition = array[pid] = (startpossition+BLOCKSIZE) if (startpossition+BLOCKSIZE)
	        rlock.release()

	        if startpossition == FILE_SIZE:#end of the file
	            print 'pid%s end'%(pid)
	            break
	        elif startpossition !=0:
	            fstream.seek(startpossition)
	            fstream.readline()
	        pos = ss = fstream.tell()
	        ostream = open('/data/download/tmp_pid'+str(pid)+'_jobs'+str(endpossition),'w')
	        while pos
	            #处理line
	            line = fstream.readline()
	            ostream.write(line)
	            pos = fstream.tell()

	        print 'pid:%s,startposition:%s,endposition:%s,pos:%s'%(pid,ss,pos,pos)
	        ostream.flush()
	        ostream.close()
	        ee = fstream.tell()

	    fstream.close()

	def main():
	    global FILE_SIZE
	    print datetime.datetime.now().strftime("%Y/%d/%m %H:%M:%S")

	    file = "/data/pds/download/scmcc_log/tmp_format_2011004.log"
	    getFilesize(file)
	    print FILE_SIZE

	    rlock = RLock()
	    array = Array('l',WORKERS,lock=rlock)
	    threads=[]
	    for i in range(WORKERS):
	        p=Process(target=process_found, args=[i,array,file,rlock])
	        threads.append(p)

	    for i in range(WORKERS):
	        threads[i].start()

	    for i in range(WORKERS):
	        threads[i].join()

	    print datetime.datetime.now().strftime("%Y/%d/%m %H:%M:%S")

	if __name__ == '__main__':
	    main()
  • 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