笔记-twisted-adbapi-scrapy-mysql
1. 异步插入mysql
在爬虫中需要insert到mysql,但有一个问题是在爬虫环境中commit的及时性与性能冲突。
一般可以在close_spider进行commit,这样做的问题是如果中途数据库崩了,数据丢失,找起来也很麻烦;
但如果在insert_db中直接加入commit,又会使程序执行变得很慢。
这里就可以使用Twisted中提供的以异步方式多线程访问数据库的模块adbapi,可以显著提供程序访问数据库的效率。
adbapi.ConnectionPool方法可以创建一个数据库连接池对象,其中包括多个连接对象,每个连接对象在独立的线程中工作。adbapi只是提供了异步访问数据库的编程框架,再其内部依然使MySQLdb这样的库访问数据库。
dbpool.runInteraction(insert_db,item)以异步方式调用insert_db函数,dbpool会选择连接池中的一个连接对象在独立线程中调用insert_db,其中参数item会被传给insert_db的第二个参数,传给insert_db的第一个参数是一个Transaction对象,其借口与Cursor对象类似,可以调用execute方法执行SQL语句,insert_db执行后,连接对象会自动调用commit方法
1.1. 代码示例
import pymysql
import pymysql.cursors
from twisted.enterprise import adbapi
# 同步插入
class ZhihuPipeline(object):
"""
数据保存到mysql
同步保存
"""
def __init__(self, conn, cursor):
self.conn = conn
self.cursor =cursor
@classmethod
def from_settings(cls, settings):
"""
:param settings:
:return:
"""
db_parms = dict(
host=settings['MYSQL_HOST'],
user=settings['MYSQL_USER'],
password=settings['MYSQL_PASSWORD'],
database=settings['MYSQL_DB'],
)
#连接池connectionpool
conn = pymysql.connect( **db_parms )
cursor = conn.cursor()
return cls(conn, cursor)
def process_item(self, item, spider):
"""
同步保存
:param item:
:param spider:
:return:
"""
insert_sql = 'insert into {}'.format()
self.cursor.execute(inert_sql)
self.conn.commit()
def close_spider(self,spider):
"""
清理
:param spider:
:return:
"""
self.cursor.close()
self.conn.close()
# 异步插入
class ZhihuPipelineTwisted(object):
"""
数据保存到mysql
使用了twisted进行异步操作
"""
def __init__(self, dbpool):
self.dbpool = dbpool
@classmethod
def from_settings(cls, settings):
"""
:param settings:
:return:
"""
db_parms = dict(
host=settings['MYSQL_HOST'],
user=settings['MYSQL_USER'],
password=settings['MYSQL_PASSWORD'],
database=settings['MYSQL_DB'],
cursorclass=pymysql.cursors.DictCursor
)
#连接池connectionpool
dbpool = adbapi.ConnectionPool("pymysql", **dbparms)
return cls(dbpool)
def process_item(self, item, spider):
"""
:param item:
:param spider:
:return:
"""
query = self.dbpool.runInteraction(self.do_insert, item)
query.addErrback(self.handle_error, item, spider)
def do_insert(self, cursor, item):
insert_sql, params = 'insert into {} ({}) values ({})'
cursor.execute(insert_sql, params)
@staticmethod
def handle_error(failure, item, spider):
# 处理插入异常
print(failure)
def close_spider(self,spider):
"""
提交及清理
:param spider:
:return:
"""
self.cursor.close()
self.conn.close()
2. 总结
adbapi为什么性能高,有空看下它是怎么优化整个执行逻辑的。