首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
V2EX  ›  Python

30M 左右的 parquet 文件, 转成 pandas 的 dataframe 存 mysql, 直接耗完 6 个 g 的内存?

  •  
  •   mggis0or1 · 31 天前 · 344 次点击
    这是一个创建于 31 天前的主题,其中的信息可能已经有所发展或是发生改变。

    python 代码

    from pyarrow import parquet as pq
    
    
    fs = s3fs.S3FileSystem(...)
    
    path = ['s3a://.....']
    
    r = pq.ParquetDataset(_path, filesystem=fs)
    df = r.read().to_pandas()
    df.to_sql(....)
    

    相关的日志

    Jan 18 14:18:33  kernel: Out of memory: Kill process 3342 (python3) score 842 or sacrifice child
    Jan 18 14:18:33  kernel: Killed process 3342 (python3) total-vm:7950428kB, anon-rss:6945048kB, file-rss:0kB, shmem-rss:0kB
    
    1 回复  |  直到 2019-01-18 14:49:24 +08:00
        1
    mggis0or1   31 天前
    漏了点处理
    df['_time'] = df['time'].apply(lambda x: parse(x[:11] + " " + x[12:]).strftime("%Y-%m-%d %H:%M:%S"))
    df['bytes'] = df['request_size'] + df['response_size']
    df['bytes'] = df['bytes'].astype(int)
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2541 人在线   最高记录 4346   ·  
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 16ms · UTC 13:52 · PVG 21:52 · LAX 05:52 · JFK 08:52
    ♥ Do have faith in what you're doing.
    沪ICP备16043287号-1