Cómo descargar enormes Oracle LOB con cx_Oracle en memoria limitada del sistema?
Pregunta
Estoy desarrollando parte de un sistema donde los procesos están limitados a unos menos 350 mb de RAM;utilizamos cx_Oracle para descargar archivos desde un sistema externo para su procesamiento.
El sistema externo almacena archivos Blob, y podemos agarrar a hacer algo como esto:
# ... set up Oracle connection, then
cursor.execute(u"""SELECT filename, data, filesize
FROM FILEDATA
WHERE ID = :id""", id=the_one_you_wanted)
filename, lob, filesize = cursor.fetchone()
with open(filename, "w") as the_file:
the_file.write(lob.read())
lob.read()
obviamente fallar con MemoryError
cuando nos topamos con un archivo de más de 300-menos 350 mb, por lo que hemos probado algo como esto en lugar de leer todo de una vez:
read_size = 0
chunk_size = lob.getchunksize() * 100
while read_size < filesize:
data = lob.read(chunk_size, read_size + 1)
read_size += len(data)
the_file.write(data)
Por desgracia, todavía podemos obtener MemoryError
después de varias iteraciones.Desde el momento en que lob.read()
es de tomar, y la condición de memoria que finalmente se consigue, parece como si lob.read()
está tirando ( chunk_size + read_size ) bytes a partir de la base de datos cada vez.Es decir, las lecturas se toma O(n) tiempo y O(n) en la memoria, incluso a pesar de que el buffer es un poco más pequeño.
Para evitar esto, hemos probado algo como:
read_size = 0
while read_size < filesize:
q = u'''SELECT dbms_lob.substr(data, 2000, %s)
FROM FILEDATA WHERE ID = :id''' % (read_bytes + 1)
cursor.execute(q, id=filedataid[0])
row = cursor.fetchone()
read_bytes += len(row[0])
the_file.write(row[0])
Esta tira de 2000 bytes (argh) en un momento, y se la lleva para siempre (algo así como dos horas para un archivo de 1,5 GB).Por qué de 2000 bytes?Según el Oráculo de google docs, dbms_lob.substr()
almacena su valor de retorno en una materia, la cual está limitada a 2000 bytes.
Hay alguna manera en la que puedo almacenar la dbms_lob.substr()
resultados en el mayor objeto de datos y leer tal vez un par de megabytes por un tiempo?¿Cómo puedo hacer esto con cx_Oracle?
Solución
Creo que el argumento de la orden en lob.read() se invierte en el código.El primer argumento debe ser el desplazamiento, el segundo argumento debe ser la cantidad a leer.Esto explicaría la O(n) tiempo y el uso de la memoria.