84669 人が学習中
152542 人が学習中
20005 人が学習中
5487 人が学習中
7821 人が学習中
359900 人が学習中
3350 人が学習中
180660 人が学習中
48569 人が学習中
18603 人が学習中
40936 人が学習中
1549 人が学習中
1183 人が学習中
32909 人が学習中
使用python拉redis队列里的数据,如何确保完整高效不阻塞的把每天上亿条的数据写入mysql/oracle数据库?
学习是最好的投资!
整个就是个队列+消费队列的流程。
给个思路系列:
使用monitor命令监听redis事件,或者升级redis版本(>=2.8),监听redis改动事件。
多进程/线程/协程处理事件(例如放入缓冲区)
缓冲区数据批量插入数据库。(mysql似乎最多一次插入5000条,不确定,可能是9999或者4999,但是有上限),依靠SQL数据库事务功能,失败即回滚。
侃大山系列:
4.这么大的数据可以考虑列数据库,hbase之类。
不负责任系列:
5.似乎有人说mongodb数据量大会就有问题,包括国外国内,以及身边的人测试过之后的结论
用的是什么数据库,MySQL和SQL Server单机版性能差很多。 SQL Server / Oracle /DB2的性能是一个级别的,开源的MySQL性能不是很好,考虑集群,postgresql要好点这么大的数据量要想迁入到数据库里,要考虑1) 合适的索引,能大大提高写入性能。2) 数据库如果没有设计主从,那就考虑上RAID或SSD,性能跟普通的机械硬盘差的不是一点半点。3) 采用不同的数据库引擎,以MySQL为例,InnoDB和MyISAM还是有性能差异。4) 不要每条记录都commit,集中commit性能会好10倍以上。5) 读写分离,否则你会发现写入数据阻塞了数据的读。
如果每天的数据量都这么大的话,那SQL就不适合了,考虑上Hadoop + HBase吧。其实你采用什么数据库更多的取决于你的数据格式,有些数据库对特定格式的数据是更友好的,比如HDF5对二进制和空间数据就更友好些
这么大的数据量用mongodb会快些
mysql 没有怎么用过,不过SQL Server 有批量导入功能一秒轻松过万。我想Mysql也有批量插入的功能吧,插入过后,后期处理就要考虑分库分表 主从这类的了。
每天插1亿条数据到mysql。。。分析查询都是个问题。。不过应该只是历史数据吧
1.【完整】:使用校验机制。
2.【高效】:使用批量读、批量写的方式或专用接口。
3.【不阻塞】:不可能完全不阻塞,只能做到阻塞时间尽量短而无法引起感知。这需要使用任务切分与分时处理两种机制。甚至还可以引入基于机器学习的性能曲线预估,以及实时负载均衡两种高级处理办法。
整个就是个队列+消费队列的流程。
给个思路系列:
使用monitor命令监听redis事件,或者升级redis版本(>=2.8),监听redis改动事件。
多进程/线程/协程处理事件(例如放入缓冲区)
缓冲区数据批量插入数据库。(mysql似乎最多一次插入5000条,不确定,可能是9999或者4999,但是有上限),依靠SQL数据库事务功能,失败即回滚。
侃大山系列:
4.这么大的数据可以考虑列数据库,hbase之类。
不负责任系列:
5.似乎有人说mongodb数据量大会就有问题,包括国外国内,以及身边的人测试过之后的结论
用的是什么数据库,MySQL和SQL Server单机版性能差很多。 SQL Server / Oracle /DB2的性能是一个级别的,开源的MySQL性能不是很好,考虑集群,postgresql要好点
这么大的数据量要想迁入到数据库里,要考虑
1) 合适的索引,能大大提高写入性能。
2) 数据库如果没有设计主从,那就考虑上RAID或SSD,性能跟普通的机械硬盘差的不是一点半点。
3) 采用不同的数据库引擎,以MySQL为例,InnoDB和MyISAM还是有性能差异。
4) 不要每条记录都commit,集中commit性能会好10倍以上。
5) 读写分离,否则你会发现写入数据阻塞了数据的读。
如果每天的数据量都这么大的话,那SQL就不适合了,考虑上Hadoop + HBase吧。
其实你采用什么数据库更多的取决于你的数据格式,有些数据库对特定格式的数据是更友好的,比如HDF5对二进制和空间数据就更友好些
这么大的数据量用mongodb会快些
mysql 没有怎么用过,不过SQL Server 有批量导入功能一秒轻松过万。
我想Mysql也有批量插入的功能吧,插入过后,后期处理就要考虑分库分表 主从这类的了。
每天插1亿条数据到mysql。。。分析查询都是个问题。。不过应该只是历史数据吧
1.【完整】:使用校验机制。
2.【高效】:使用批量读、批量写的方式或专用接口。
3.【不阻塞】:不可能完全不阻塞,只能做到阻塞时间尽量短而无法引起感知。这需要使用任务切分与分时处理两种机制。甚至还可以引入基于机器学习的性能曲线预估,以及实时负载均衡两种高级处理办法。