我有一个netCDF文件,有八个变量。(抱歉,无法共享实际文件) 每个变量都有两个维度,时间和地点。时间大约是14步,目前该站有38000个不同的ID。 所以对于38000个不同的“位置”(实际上只是一个id),我们有8个变量和14个不同的时间。在
$ncdump -h stationdata.nc
netcdf stationdata {
dimensions:
station = 38000 ;
name_strlen = 40 ;
time = UNLIMITED ; // (14 currently)
variables:
int time(time) ;
time:long_name = "time" ;
time:units = "seconds since 1970-01-01" ;
char station_name(station, name_strlen) ;
station_name:long_name = "station_name" ;
station_name:cf_role = "timeseries_id" ;
float var1(time, station) ;
var1:long_name = "Variable 1" ;
var1:units = "m3/s" ;
float var2(time, station) ;
var2:long_name = "Variable 2" ;
var2:units = "m3/s" ;
...
这些数据需要加载到PostGres数据库中,以便将数据连接到与站点名称匹配的一些几何图形中,以便以后可视化。在
目前我已经在Python中用netCDF4模块完成了这项工作。有效,但需要永远! 现在我这样循环:
^{pr2}$这需要我的机器运行几分钟,我觉得可以用更聪明的方法来完成。在
有人知道如何用更聪明的方法来做这件事吗?最好是Python。在
组织循环以访问每次的所有变量。换句话说,一次读写一个记录,而不是一次读写一个变量。这可以极大地加快速度,尤其是如果源netCDF数据集存储在具有大磁盘块的文件系统中,例如1MB或更大。关于为什么这是更快的解释和数量级加速的讨论,请参见this NCO speedup discussion,从条目7开始。在
我不确定这是正确的方法,但我找到了一个很好的方法来解决这个问题,我想我应该分享它。在
在第一个版本中,脚本运行大约需要一个小时。重写代码后,它现在运行不到30秒!在
最重要的是使用numpy数组并将NetCDF阅读器中的变量数组转换为行,然后将所有列堆叠成一个矩阵。然后使用psycopg2 copy_from函数将该矩阵加载到数据库中。我从这个问题得到了密码
Use binary COPY table FROM with psycopg2
我的部分代码:
你可以做一些简单的改进来加速这个过程。所有这些都是独立的,你可以尝试所有的或只是几个,看看是否足够快。它们大致按难度的升序排列:
psycopg2
数据库驱动程序,速度更快psycopg2
,那么您已经在做了—它会自动打开一个事务,您必须在最后commit
。在multiprocessing
模块。由于GIL(全局解释器锁)问题,线程无法正常工作。在如果不想使用一个大事务,可以设置
synchronous_commit = off
并设置commit_delay
,这样连接可以在磁盘刷新实际完成之前返回。如果你在一个事务中完成所有的工作,这对你没有多大帮助。在多值插入
Psycopg2不直接支持多值
INSERT
,但您可以写下:然后用类似的东西循环:
^{pr2}$相关问题 更多 >
编程相关推荐