Python中Scrapy+adbapi提高数据库写入效率实现

目录

• 一：twisted中的adbapi

• 1.1 两个主要方法

• 1.2 使用实例

• 二：结合scrapy中的pipelines

一：twisted中的adbapi

       数据库pymysql的commit()和execute()在提交数据时，都是同步提交至数据库，由于scrapy框架数据的解析和异步多线程的，所以scrapy的数据解析速度，要远高于数据的写入数据库的速度。如果数据写入过慢，会造成数据库写入的阻塞，影响数据库写入的效率。
使用twisted异步IO框架，实现数据的异步写入，通过多线程异步的形式对数据进行写入，可以提高数据的写入速度。

1.1 两个主要方法

adbapi.ConnectionPool：

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(do_insert,item)：

异步调用do_insert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do_insert的第二个参数，传给do_insert的第一个参数是一个Transaction对象，其接口与Cursor对象类似，可以调用execute方法执行SQL语句，do_insert执行后，连接对象会自动调用commit方法

1.2 使用实例

from twisted.enterprise import adbapi

# 初始化数据库连接池(线程池)
# 参数一：mysql的驱动
# 参数二：连接mysql的配置信息
dbpool = adbapi.ConnectionPool('pymysql', **params)

# 参数1：在异步任务中要执行的函数insert_db；
# 参数2：给该函数insert_db传递的参数
query = self.dbpool.runInteraction(self.do_insert, item)

# 在execute()之后，不需要再进行commit()，连接池内部会进行提交的操作。
def do_insert(self, cursor, item):
   insert_sql = """
           insert into qa_sample(
           need_id,
           need_question_uptime,
           need_title,
           need_title_describe,
           need_answer_uptime,
           need_answer)
           values (％s, ％s, ％s, ％s, ％s, ％s)
           """
   params = (item['need_id'],
             item['need_question_uptime'],
             item['need_title'],
             item['need_title_describe'],
             item['need_answer_uptime'],
             item['need_answer'])
   cursor.execute(insert_sql, params)

二：结合scrapy中的pipelines

# -*- coding: utf-8 -*-
from twisted.enterprise import adbapi
import pymysql

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html

class QaSpiderPipeline(object):
   def process_item(self, item, spider):
       return item

class MysqlTwistedPipeline(object):
   def __init__(self, dbpool):
       self.dbpool = dbpool

@classmethod
   def from_settings(cls, settings):
       dbparams = dict(
           host=settings['MYSQL_HOST'],
           db=settings['MYSQL_DBNAME'],
           user=settings['MYSQL_USER'],
           passwd=settings['MYSQL_PASSWORD'],
           charset='utf8',
           cursorclass=pymysql.cursors.DictCursor,
           use_unicode=True
       )
       dbpool = adbapi.ConnectionPool('pymysql', **dbparams)
       return cls(dbpool)

def process_item(self, item, spider):
       query = self.dbpool.runInteraction(self.do_insert, item)

def do_insert(self, cursor, item):
       insert_sql = """
               insert into qa_sample(
               need_id,
               need_question_uptime,
               need_title,
               need_title_describe,
               need_answer_uptime,
               need_answer)
               values (％s, ％s, ％s, ％s, ％s, ％s)
               """
       params = (item['need_id'],
                 item['need_question_uptime'],
                 item['need_title'],
                 item['need_title_describe'],
                 item['need_answer_uptime'],
                 item['need_answer'])
       cursor.execute(insert_sql, params)

来源：https://juejin.cn/post/7021024993500725256