推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 1763 天前的主题，其中的信息可能已经有所发展或是发生改变。
Python 新手。
最近遇到一个问题，大概是从一个很大很大的文件中匹配出一堆记录，然后按照规则写入不同的文件里。之前的实现方法是逐条写，但是效率实在是非常感人，想问下有没有更高效的方法。谢谢。
最近遇到一个问题，大概是从一个很大很大的文件中匹配出一堆记录，然后按照规则写入不同的文件里。之前的实现方法是逐条写，但是效率实在是非常感人，想问下有没有更高效的方法。谢谢。
 |
1
binux 2019-06-22 11:57:31 +08:00
找一个异步文件 io 的库
|
 |
2
lhx2008 2019-06-22 11:57:45 +08:00
把写的数据缓存到多个 []，用多进程在子进程里面写
|
 |
3
dongxiao 2019-06-22 12:01:09 +08:00
IO 操作类型的，用多线程就好
|
 |
4
toono 2019-06-22 12:02:17 +08:00
楼上的方法是通过操作系统的异步进行解决，如果想要屏蔽这些操作系统的细节去实现可以用 celery，通过引入任务队列进行任务分发管理，但是弊端是引入了一个新的组件
|
 |
5
ebingtel 2019-06-22 12:03:38 +08:00
multiprocessing 库即可，一个进程负责读大文件、把匹配的数据写到多个对应的 queue 中……各个规则可以分别搞个子进程，读取对应的队列，专门写自己的文件（这种方式适合规则不太多的情况，如果太多，进程要开少一点）
|
 |
6
lihongjie0209 2019-06-22 12:08:45 +08:00
先把代码贴出来, 看看是不是你的写法有问题?
要是在循环中读写文件那肯定慢啊 |
 |
7
allenloong OP |
 |
8
Hopetree 2019-06-22 13:43:03 +08:00
多线程啊，IO 密集型，多线程最优
|
 |
9
clino 2019-06-22 13:48:21 +08:00 via Android
我可能会用 gevent 写多进程
|
 |
10
0x000007b 2019-06-22 15:19:04 +08:00 via Android
多线程或者 async
|
 |
11
inframe 2019-06-22 15:30:50 +08:00 via Android
多线程，一个线程读取，用个队列传递任务给其他线程，也不用担心读写冲突问题
毕竟官方 py GIL 保证了多线程就是单线程 |
 |
12
BingoXuan 2019-06-22 15:36:46 +08:00 via Android
@inframe
py 的多线程并非是线程安全的。因为解释出来的字节码顺序是不确定的，也就是线程 a 的操作到一半，线程 b 有可能同样也进入相同的代码了，线程的共享数据会被破坏掉。 |
 |
13
whoami9894 2019-06-22 18:11:32 +08:00 via Android
@inframe
你没有理解 GIL |
 |
15
testeststs 2019-06-22 20:43:55 +08:00
生产者 /消费者模型学过吗？
|
 |
16
cabbage 2019-06-23 01:23:49 +08:00  1
一楼 +1，比如 aiofiles [1] 这个库用了并发线程池，默认是 asyncio loop 自带的默认线程池。
如果只需要异步 io 就上多进程 multiprocessing，开销大也没必要，还增加复杂度，async 多线程够了。 要是不好引入新依赖的话，`run_in_executor`[2]了解下，让 io 密集操作进入线程池执行，不阻塞其他逻辑。以及 `asyncio.create_task`[3] 或 `asyncio.gather`[4]。 但是关键 io 代码无论如何都要自行同步管理好，否则会写坏数据，正如 @BingoXuan 提到 py 的多线程不安全 [1] https://github.com/Tinche/aiofiles [2] https://docs.python.org/3/library/asyncio-eventloop.html#asyncio.loop.run_in_executor [3] https://docs.python.org/3/library/asyncio-task.html#asyncio.create_task [4] https://docs.python.org/3/library/asyncio-task.html#asyncio.gather |
Select Language