[英]python parallelize db query execution
我有以下查询返回日期范围之间的数据。
dates = ['20100101','20100201',20100301','20100401']
query = 'select date, company_name, total_amount from info_stats where date between 'start_date' and 'end_date'
我从另一个进程获取日期范围并构造一个列表,以便我可以迭代如下:
pds = []
for idx in range(0, len(dates) - 1):
formated_query = self.get_formated_query(start_date=dates[idx].strftime('%Y%m%d'),
end_date=dates[idx + 1].strftime('%Y%m%d')
results_df = pds.append(pd.read_sql(sql=formated_query,con=db_connect))
查询我在index
和index + 1
处传递日期(日期大于索引处的日期)
这些查询需要超长时间,我想以并行方式执行,以便等待时间更短。 我去了joblib
但不确定这是multi-threading
还是multi-processing
。 看起来像前者。 对joblib
也是joblib
,如何使用joblib
或其他包并行化上面的代码?
这个问题非常广泛,但我可以分享我自己对数据库并行查询的经验。
我发现如果我有很多小工作,我可以使用python内置多线程模块,如concurrent.futures。 我会加快速度。
但是,如果我在数据库上运行需要很长时间的大工作,并行化并没有帮助。 这是因为数据库引擎本身(在我的SQL Server中)已经完成了并行工作的出色工作。 在这种情况下,单个大工作已经最大化了服务器可以处理的进程数 - 放置更多的工作将无济于事。 你的情况似乎就是这个。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.