Производительность App Engine Bulk Loader - PullRequest
5 голосов
/ 08 сентября 2010

Я использую загрузчик App Engine Bulk (Python Runtime) для массовой загрузки объектов в хранилище данных. Данные, которые я загружаю, хранятся в собственном формате, поэтому я реализовал собственный соединитель (зарегистрировал его в bulkload_config.py), чтобы преобразовать его в промежуточный словарь Python.

import google.appengine.ext.bulkload import connector_interface
class MyCustomConnector(connector_interface.ConnectorInterface):
   ....
   #Overridden method
   def generate_import_record(self, filename, bulkload_state=None):
      ....
      yeild my_custom_dict

Чтобы преобразовать этот нейтральный словарь Python в сущность хранилища данных, я использую пользовательскую функцию пост-импорта, определенную в моем YAML.

def feature_post_import(input_dict, entity_instance, bulkload_state):
    ....
    return [all_entities_to_put]

Примечание: я не использую entity_instance, bulkload_state в моей функции feature_post_import. Я просто создаю новые сущности хранилища данных (на основе моего input_dict) и возвращаю их.

Теперь все отлично работает. Однако процесс массовой загрузки данных занимает слишком много времени. Например, ГБ (~ 1 000 000 объектов) данных занимает ~ 20 часов. Как я могу улучшить производительность процесса массовой загрузки. Я что-то упустил?

Некоторые из параметров, которые я использую с appcfg.py: (10 потоков с размером пакета 10 объектов на поток).

Связано с сообщением группы Python в Google App Engine: http://groups.google.com/group/google-appengine-python/browse_thread/thread/4c8def071a86c840

Обновление: Чтобы проверить производительность процесса Bulk Load, я загрузил entities 'Test' Kind. Несмотря на то, что у этого entity очень простой FloatProperty, мне все равно потребовалось столько же времени для массовой загрузки этих entities.

Я все еще собираюсь попытаться изменить параметры массового загрузчика, rps_limit, bandwidth_limit и http_limit, чтобы посмотреть, смогу ли я увеличить пропускную способность.

1 Ответ

4 голосов
/ 15 сентября 2010

Существует параметр с именем rps_limit, который определяет количество объектов, загружаемых в секунду. Это было главным узким местом. Значение по умолчанию для этого 20.

Также увеличьте bandwidth_limit до чего-то разумного.

Я увеличил rps_limit до 500 и все улучшилось. Я достиг 5,5 - 6 секунд на 1000 объектов, что является серьезным улучшением с 50 секунд на 1000 объектов.

...