如何用Python 3.7结合Motor异步读写MongoDB提升数据库操作效率?
- 内容介绍
- 文章标签
- 相关推荐
本文共计442个文字,预计阅读时间需要2分钟。
如果使用Python进行大规模数据批量处理,并且后端使用MongoDB进行数据存储时,常常会遇到大量读写数据库的情况。尤其是当大量更新任务需要执行时,由于不能进行批量操作,我们了解到pymongo是采用同步任务机制。
如果使用Python做大型海量数据批量任务时,并且backend用mongodb做数据储存时,常常面临大量读写数据库的情况。尤其是大量更新任务,由于不能批量操作,我们知道pymongo是同步任务机制,相当耗时。
如果采用多线程、多进程的方案确实有效,但编写麻烦、消耗系统资源大(pymongo还不允许fork线程中共用连接)。这里主要瓶颈在于IO,使用单线程异步操作就会效果很好。
Motor是一个异步mongodb driver,支持异步读写mongodb。它通常用在基于Tornado的异步web服务器中。
Motor同时支持使用asyncio(Python3.4以上标准库)作为异步模型,使用起来十分方便。
本文共计442个文字,预计阅读时间需要2分钟。
如果使用Python进行大规模数据批量处理,并且后端使用MongoDB进行数据存储时,常常会遇到大量读写数据库的情况。尤其是当大量更新任务需要执行时,由于不能进行批量操作,我们了解到pymongo是采用同步任务机制。
如果使用Python做大型海量数据批量任务时,并且backend用mongodb做数据储存时,常常面临大量读写数据库的情况。尤其是大量更新任务,由于不能批量操作,我们知道pymongo是同步任务机制,相当耗时。
如果采用多线程、多进程的方案确实有效,但编写麻烦、消耗系统资源大(pymongo还不允许fork线程中共用连接)。这里主要瓶颈在于IO,使用单线程异步操作就会效果很好。
Motor是一个异步mongodb driver,支持异步读写mongodb。它通常用在基于Tornado的异步web服务器中。
Motor同时支持使用asyncio(Python3.4以上标准库)作为异步模型,使用起来十分方便。

