Clojure - 加速大文件处理

Question

我需要读取大文件（~1GB），处理它并保存到数据库。我的解决方案如下所示：

data.txt

格式：[id],[title]\n

1,Foo
2,Bar
...

代码

(ns test.core
  (:require [clojure.java.io :as io]
            [clojure.string :refer [split]]))

(defn parse-line
  [line]
  (let [values (split line #",")]
    (zipmap [:id :title] values)))

(defn run
  []
  (with-open [reader (io/reader "~/data.txt")]
    (insert-batch (map parse-line (line-seq reader)))))

; insert-batch just save vector of records into database

但是这段代码效果不好，因为它首先解析所有行，然后将它们发送到数据库中。

我认为理想的解决方案是read line -> parse line -> collect 1000 parsed lines -> batch insert them into database -> repeat until there is no lines。不幸的是，我不知道如何实现这一点。

Answer 1

一个建议：

• 使用line-seq 获取惰性行序列，

• 使用map解析每一行，

（到目前为止，这与您正在做的事情相匹配）

• 使用partition-all 将您的惰性解析行序列划分为批次，然后

• 使用 insert-batch 和 doseq 将每个批次写入数据库。

还有一个例子：

(->> (line-seq reader)
     (map parse-line)
     (partition-all 1000)
     (#(doseq [batch %] 
       (insert-batch batch))))