這段代碼使用了 Python 的 multiprocessing 模塊來實(shí)現(xiàn)真正的并行處理，繞過 Python 的全局解釋器鎖（GIL）限制，從而在多核 CPU 上并發(fā)執(zhí)行多個(gè) SQL 語句。

from pyhive import hive
import multiprocessing
 
# 建立連接
conn = hive.Connection(host="localhost", port=10000, username="your_username", password="your_password")
 
# SQL 語句列表
sql_statements = [
    "INSERT INTO table1 VALUES (1, 'value1')",
    "INSERT INTO table1 VALUES (2, 'value2')",
    "INSERT INTO table1 VALUES (3, 'value3')"
]
 
# 定義執(zhí)行函數(shù)
def execute_sql(sql):
    with conn.cursor() as cursor:
        cursor.execute(sql)
 
# 確保多進(jìn)程代碼只在主進(jìn)程中執(zhí)行
if __name__ == '__main__':
 
    # 使用進(jìn)程池并發(fā)執(zhí)行
    with multiprocessing.Pool() as pool:
        pool.map(execute_sql, sql_statements)
 
    # 關(guān)閉連接
    conn.close()

1. 導(dǎo)入模塊

from pyhive import hive
import multiprocessing

• pyhive: 這是用于連接和操作 Hive 數(shù)據(jù)庫的 Python 庫。hive.Connection 用于建立與 Hive 數(shù)據(jù)庫的連接。
• multiprocessing: 這是 Python 的標(biāo)準(zhǔn)庫，用于創(chuàng)建和管理進(jìn)程。通過 multiprocessing，我們可以繞過 Python 的 GIL（全局解釋器鎖）限制，實(shí)現(xiàn)真正的并行處理。

2. 建立數(shù)據(jù)庫連接

conn = hive.Connection(host="localhost", port=10000, username="your_username", password="your_password")

• 這里我們使用 hive.Connection 建立一個(gè)到 Hive 數(shù)據(jù)庫的連接。
• 參數(shù)：
  • host: HiveServer2 的主機(jī)地址，通常是 localhost 或 HiveServer2 運(yùn)行的服務(wù)器 IP。
  • port: HiveServer2 的端口號，默認(rèn)是 10000。
  • username: 連接 Hive 使用的用戶名。
  • password: 連接 Hive 使用的密碼。

這個(gè)連接對象 conn 將在后續(xù)的代碼中用于創(chuàng)建游標(biāo)（cursor），并通過游標(biāo)執(zhí)行 SQL 語句。

3. 定義 SQL 語句列表

sql_statements = [
    "INSERT INTO table1 VALUES (1, 'value1')",
    "INSERT INTO table1 VALUES (2, 'value2')",
    "INSERT INTO table1 VALUES (3, 'value3')"
]

• 這里定義了一個(gè)包含多個(gè) SQL 語句的列表 sql_statements。每個(gè)語句都是一個(gè)插入操作，將數(shù)據(jù)插入到 Hive 表 table1 中。
• 你可以根據(jù)實(shí)際需求修改這些 SQL 語句。

4. 定義執(zhí)行函數(shù)

def execute_sql(sql):
    with conn.cursor() as cursor:
        cursor.execute(sql)

• execute_sql 函數(shù)是用于執(zhí)行單個(gè) SQL 語句的函數(shù)。
• with conn.cursor() as cursor：為當(dāng)前數(shù)據(jù)庫連接創(chuàng)建一個(gè)游標(biāo)對象 cursor，這個(gè)游標(biāo)用于執(zhí)行 SQL 語句。
  • cursor.execute(sql)：執(zhí)行傳入的 SQL 語句。
• 這個(gè)函數(shù)會(huì)被進(jìn)程池中的每個(gè)進(jìn)程調(diào)用，每個(gè)進(jìn)程都會(huì)獨(dú)立執(zhí)行一個(gè) SQL 語句。

5. 使用進(jìn)程池并發(fā)執(zhí)行

with multiprocessing.Pool() as pool:
    pool.map(execute_sql, sql_statements)

• multiprocessing.Pool()：創(chuàng)建一個(gè)進(jìn)程池。進(jìn)程池可以管理一組工作進(jìn)程，并將任務(wù)分配給這些進(jìn)程。
  • 默認(rèn)情況下，Pool() 會(huì)根據(jù)系統(tǒng)的 CPU 核心數(shù)創(chuàng)建相應(yīng)數(shù)量的工作進(jìn)程。
  • 你可以通過參數(shù)指定池中的進(jìn)程數(shù)量，例如 Pool(4) 表示創(chuàng)建 4 個(gè)工作進(jìn)程。
• pool.map(execute_sql, sql_statements)：
  • pool.map 方法會(huì)將 execute_sql 函數(shù)應(yīng)用到 sql_statements 列表中的每個(gè)元素上。
  • pool.map 方法會(huì)自動(dòng)將 SQL 語句列表分配給進(jìn)程池中的工作進(jìn)程，每個(gè)進(jìn)程獨(dú)立執(zhí)行一個(gè) SQL 語句。
  • 這個(gè)過程是并行的，多個(gè)進(jìn)程可以同時(shí)執(zhí)行不同的 SQL 語句，從而提高執(zhí)行效率。

6. 關(guān)閉數(shù)據(jù)庫連接

conn.close()

• 在所有 SQL 語句執(zhí)行完畢后，我們關(guān)閉數(shù)據(jù)庫連接，釋放資源。

進(jìn)程池的工作原理

multiprocessing.Pool 提供了一種方便的方式來并行化執(zhí)行函數(shù)。其工作原理如下：

1. 創(chuàng)建進(jìn)程池：當(dāng)你創(chuàng)建一個(gè) Pool 對象時(shí)，會(huì)啟動(dòng)多個(gè)工作進(jìn)程（數(shù)量可以指定，或默認(rèn)根據(jù) CPU 核心數(shù)決定）。
2. 任務(wù)分配：當(dāng)你調(diào)用 pool.map 時(shí)，進(jìn)程池會(huì)將任務(wù)（在這里是 execute_sql 函數(shù)）分配給空閑的工作進(jìn)程。
3. 并行執(zhí)行：每個(gè)工作進(jìn)程獨(dú)立執(zhí)行分配給它的任務(wù)，互不干擾。
4. 結(jié)果收集：pool.map 會(huì)收集所有工作進(jìn)程的執(zhí)行結(jié)果，并按照原始任務(wù)列表的順序返回結(jié)果。

為什么使用進(jìn)程池而不是線程池？

1. GIL 限制：Python 的全局解釋器鎖（GIL）限制了多線程的并行執(zhí)行能力，尤其是在 CPU 密集型任務(wù)中，多線程并不能充分利用多核 CPU。
2. 進(jìn)程并行：multiprocessing 模塊通過創(chuàng)建多個(gè)進(jìn)程來繞過 GIL 限制，每個(gè)進(jìn)程都有自己的 Python 解釋器和內(nèi)存空間，因此可以實(shí)現(xiàn)真正的并行執(zhí)行。
3. 適用場景：
   • 線程池：適合 I/O 密集型任務(wù)（例如，等待數(shù)據(jù)庫查詢結(jié)果）。
   • 進(jìn)程池：適合 CPU 密集型任務(wù)（例如，并行計(jì)算、數(shù)據(jù)處理等），或者你需要繞過 GIL 限制時(shí)。

注意事項(xiàng)

1. 數(shù)據(jù)庫連接：在多進(jìn)程環(huán)境中，每個(gè)進(jìn)程都有自己的內(nèi)存空間，因此每個(gè)進(jìn)程需要獨(dú)立的數(shù)據(jù)庫連接。在上述代碼中，每個(gè)進(jìn)程都通過 conn.cursor() 創(chuàng)建了自己的游標(biāo)。
2. 進(jìn)程開銷：創(chuàng)建和銷毀進(jìn)程有一定的開銷，因此對于非常短小的任務(wù)，進(jìn)程池可能不會(huì)顯著提高性能。在這種情況下，可以考慮調(diào)整進(jìn)程池的大小或使用其他優(yōu)化手段。
3. 連接池：如果你的程序需要頻繁訪問數(shù)據(jù)庫，可以考慮使用數(shù)據(jù)庫連接池來復(fù)用數(shù)據(jù)庫連接，減少連接建立和關(guān)閉的開銷。

總結(jié)

• 進(jìn)程池：通過 multiprocessing.Pool 實(shí)現(xiàn)，可以繞過 Python 的 GIL 限制，實(shí)現(xiàn)真正的并行處理。
• 適用場景：適合 CPU 密集型任務(wù)或需要并行執(zhí)行多個(gè)獨(dú)立任務(wù)的場景。
• 代碼結(jié)構(gòu)：
  • 建立數(shù)據(jù)庫連接。
  • 定義 SQL 語句列表。
  • 定義執(zhí)行函數(shù) execute_sql。
  • 使用進(jìn)程池并發(fā)執(zhí)行 SQL 語句。
  • 關(guān)閉數(shù)據(jù)庫連接。

通過這種方式，你可以充分利用多核 CPU 的優(yōu)勢，并發(fā)執(zhí)行多個(gè) SQL 語句，從而提高程序的執(zhí)行效率。

解決多進(jìn)程報(bào)錯(cuò)

你遇到的錯(cuò)誤是 RuntimeError，這是因?yàn)槟阍谑褂?nbsp;multiprocessing 時(shí)沒有正確地保護(hù)代碼的入口點(diǎn)。具體來說，在 Windows 系統(tǒng)上（以及其他非 fork 的啟動(dòng)方式），你必須將多進(jìn)程相關(guān)的代碼放在 if __name__ == '__main__': 語句塊中，以避免子進(jìn)程在啟動(dòng)時(shí)重新導(dǎo)入主模塊并執(zhí)行不必要的代碼。

錯(cuò)誤原因：

在 Windows 系統(tǒng)中，Python 的 multiprocessing 模塊使用 spawn 啟動(dòng)子進(jìn)程，這意味著子進(jìn)程會(huì)重新導(dǎo)入當(dāng)前腳本。如果不加以保護(hù)，子進(jìn)程會(huì)再次執(zhí)行主模塊中的代碼，導(dǎo)致遞歸創(chuàng)建進(jìn)程并拋出錯(cuò)誤。

解決方案：

你需要將多進(jìn)程相關(guān)的代碼放在 if __name__ == '__main__': 語句塊中，確保只有主進(jìn)程會(huì)執(zhí)行這些代碼，而子進(jìn)程不會(huì)。

修改后的代碼：

import multiprocessing
 
data = [
    "1",
    "2",
    "3"
]
 
# 定義執(zhí)行函數(shù)
def print_str(data):
    print(data)
 
# 確保多進(jìn)程代碼只在主進(jìn)程中執(zhí)行
if __name__ == '__main__':
    # 使用進(jìn)程池并發(fā)執(zhí)行
    with multiprocessing.Pool() as pool:
        pool.map(print_str, data)

解釋：

• if __name__ == '__main__': 確保了只有在直接運(yùn)行當(dāng)前腳本時(shí)，才會(huì)執(zhí)行其中的多進(jìn)程代碼。子進(jìn)程不會(huì)執(zhí)行這個(gè)代碼塊，從而避免了遞歸創(chuàng)建進(jìn)程的問題。
• 在 Windows 系統(tǒng)上，這是使用 multiprocessing 時(shí)必須遵循的慣用寫法。

其他注意事項(xiàng)：

• 如果你打算將腳本打包成可執(zhí)行文件（例如使用 pyinstaller），你還需要調(diào)用 multiprocessing.freeze_support()，不過在大多數(shù)腳本運(yùn)行的情況下，這個(gè)調(diào)用不是必須的。

例如：

if __name__ == '__main__':
    multiprocessing.freeze_support()  # 如果需要打包成可執(zhí)行文件，可以加上這行
    with multiprocessing.Pool() as pool:
        pool.map(print_str, data)

執(zhí)行sql 簡單示例

import multiprocessing
 
data = [  ]
 
# 定義執(zhí)行函數(shù)
def print_str(data):
    print(data)
 
# 確保多進(jìn)程代碼只在主進(jìn)程中執(zhí)行
if __name__ == '__main__':
 
    data2 = [
        "1",
        "2",
        "3"
    ]
 
    for i in data2:
        data_str = f"""
        inset into {i}
        """
        data.append(data_str)
 
 
    # 使用進(jìn)程池并發(fā)執(zhí)行
    with multiprocessing.Pool() as pool:
        pool.map(print_str, data)

到此這篇關(guān)于Python使用進(jìn)程池并發(fā)執(zhí)行SQL語句的操作代碼的文章就介紹到這了,更多相關(guān)Python進(jìn)程池執(zhí)行SQL語句內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論