话说

网上的 pymongo 教程都有点老了，也就菜鸟教程的能够看一看，别的博客什么的就别看了，翻了一堆都是过期的，倡议间接看官网文档，内容不多，上手也很简略。

发现的问题

• 和网上的用法不同，目前只用 MongoClient() 一种连贯形式，也不存在 safe=true 这个参数了，maxPoolSize 默认 100，能够在连贯时本人设置。
• 和网上的说法不同，据说插入数据的时候指定_id 比不指定更快，理论测试恰恰相反，但差异不大，能指定还是指定
• logging.info() 挺耗时间的，测试插入 1 万条数据，加这一句耗时 16 秒左右，不加只用 7 秒左右

pymongo 应用

import requests
from pymongo import MongoClient
import logging
import time
import json
from concurrent.futures import ThreadPoolExecutor

logging.basicConfig(level=logging.DEBUG,
                    format='%(asctime)s  [%(threadName)s]  %(levelname)s: %(message)s')

# 复用连贯，能大幅提高效率
s = requests.Session()
# 批改默认连接数（10），改为 20 host，200 连接池，http https 别离对应各自类型，只是须要别离设置
s.mount('https://', requests.adapters.HTTPAdapter(pool_connections=20, pool_maxsize=200))
s.mount('http://', requests.adapters.HTTPAdapter(pool_connections=20, pool_maxsize=200))


def getHTML(uid):
    # url = ''
    return uid


def toDB(obj):
    res = obj.result()
    x = collect.insert_one({'_id': res + 20000, 'uid': res})  #   # 加_id 貌似更快，网上说的不加更快，都是放屁
    # logging.info(x.inserted_id)


if __name__ == "__main__":
    logging.info('start')
    # client = MongoClient('127.0.0.1', 27017)  # 默认连贯
    client = MongoClient('127.0.0.1', 65500, maxPoolSize=200)  # 200 连接数
    db = client['douyin']
    collect = db['user']
    pool = ThreadPoolExecutor()  # 默认为 CPU 数 *5
    t = time.perf_counter()
    for short_id in range(10000):
        pool.submit(getHTML, short_id).add_done_callback(toDB)
    pool.shutdown(wait=True)
    client.close()
    t = time.perf_counter() - t
    print(t)