代码之家 › 专栏 › 技术社区 › systempuntoout

谷歌应用引擎:如何使用TaskQueue或AsyncUrlFetch并行下载?

urlfetch google-app-engine python

systempuntoout · 技术社区 · 14 年前

我的GAE应用程序从第三方站点检索JSON数据;给定一个表示要下载的项目的ID,这个站点上的项目数据被组织成多个页面,因此我的代码必须逐页下载数据块,直到检索到最后一个可用页面的数据为止。
我的简化代码如下:

class FetchData(webapp.RequestHandler):
  def get(self):
    ...
    data_list = []
    page = 1
    while True:
      fetched_data= urlfetch.fetch('http://www.foo.com/getdata?id=xxx&result=JSON&page=%s' % page)
      data_chunk = fetched_data["data"] 
      data_list = data_list + data_chunk
      if len(data_list) == int(fetched_data["total_pages"]):
         break
      else:
         page = page +1 
    ...  
    doRender('dataview.htm',{'data_list':data_list} )

这个 data_list 结果是一个有序的列表,其中第一个项目具有第1页的数据,最后一个项目具有最新页面的数据;此 数据列表 一旦检索到,将在视图中呈现。

这种方法可以工作99%,但有时,由于 30秒 谷歌应用引擎的限制,对有很多页面的项目我感到恐惧 DeadlineExceededError . 我想知道是否使用 TaskQueue γ Deferred γ AsyncUrlfetch 我可以在某种程度上改进这种并行化算法。

2 回复 | 直到 14 年前

Matt Williamson 14 年前

使用此: http://code.google.com/appengine/docs/python/urlfetch/asynchronousrequests.html

这很简单,就像这样:

def handle_result(rpc):
    result = rpc.get_result()
    # ... Do something with result...

# Use a helper function to define the scope of the callback.
def create_callback(rpc):
    return lambda: handle_result(rpc)

rpcs = []
for url in urls:
    rpc = urlfetch.create_rpc()
    rpc.callback = create_callback(rpc)
    urlfetch.make_fetch_call(rpc, url)
    rpcs.append(rpc)

# ...

# Finish all RPCs, and let callbacks process the results.
for rpc in rpcs:
    rpc.wait()

systempuntoout 14 年前

我已经解决了这个问题:

chunks_dict = {}

def handle_result(rpc, page):
    result = rpc.get_result()
    chunks_dict[page] = result["data"]

def create_callback(rpc, page):
    return lambda: handle_result(rpc, page)

rpcs = []
while True:
    rpc = urlfetch.create_rpc(deadline = 10)
    rpc.callback = create_callback(rpc, page)
    urlfetch.make_fetch_call(rpc, 'http://www.foo.com/getdata?id=xxx&result=JSON&page=%s' % page)
    rpcs.append(rpc)
    if page > total_pages:
       break
    else:
       page = page +1   
for rpc in rpcs:
    rpc.wait()

page_keys = chunks_dict.keys()
page_keys.sort()
for key in page_keys:
    data_list= data_list + chunks_dict[key]

推荐文章

July · 如何定义数字间隔,然后四舍五入

1 年前

Community wiki · 对象名称前的单下划线和双下划线的含义是什么?

1 年前