定时查询数据库

import pandas as pd
import datetime
start = datetime.datetime.now()
conn =  psycopg2.connect()
df_com_info = pd.read_sql_query(com_info_sql, conn)

def decorator(time_diff=3600):
    """
    当距离上次查询时间大于3600s时重新查询数据库
    time_diff:距离上次查询时间秒(单位s)
    """

    def log_time(func):
        # 参数是原函数参数,返回值是原函数返回值result
        def wrapper(*args, **kwargs):
            global start, df_com_info
            time_cost = (datetime.datetime.now()- start).seconds
            if time_cost > time_diff:
                result = func(*args, **kwargs)
                df_com_info = result
                start = datetime.datetime.now()
            else:
                result = df_com_info
            log_str = """查询数据表:{}, 距离上次查询时间差:{}, 获取数:{} """.format(func.__name__, end - start,
                                    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

**星光*

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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