推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› 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
这是一个创建于 2442 天前的主题，其中的信息可能已经有所发展或是发生改变。
需求：获取排名前 100 个 url 的 HTTP 状态码存储，前台要显示排名前 100 个 url 非 200 状态码的页面有哪些。
目前想法：
- 获取排名前 100 的 url
- 轮询 100 个 url 状态码
- 删除之前的数据库数据
- 保存获取到的状态码
目前数据库设计：
遇到的难题：
- 在第 3 步删除之前数据的时候，需要一定的时间，前台用户查询的时候会显示没有数据，体验不好。
- 因为是获取排名前 100 的 url，所以每次查询的 url 可能不一样，无法在之前的数据上更新
请教： 有没有更优雅的存储方式？ 后续可能会扩展到 1000 个、10000 个 url，遇到类似情况该如何解决呢？
先提前感谢各位大佬的回复了，感谢！
 |
1
twistoy 2018-03-23 12:25:41 +08:00
写进去的时候，加个时间戳，每次页面展示的时候，都请求最近的时间戳的。
|
 |
3
xshwy OP |
 |
4
wplct 2018-03-23 12:46:17 +08:00
为啥要删除啊。覆盖啊
|
|
5
xshwy OP #4 @wplct 因为是获取排名前 100 的 url，所以每次查询的 url 可能不一样，无法在之前的数据上更新
比如我上次获取的前 100 个 url 是 a1 ~ a100，最后一次获取的是 a1~a50、b1~b50，前台只要显示最后一次获取的数据，如果要覆盖的话，还需要检查更新 a51~a100 的数据…… |
 |
6
honeycomb 2018-03-23 12:56:02 +08:00 via Android
用 loading cache ？设定好阈值后，读写过程中会自动 evict 旧数据
|
 |
7
stabc 2018-03-23 13:04:52 +08:00
直接把非 200 的都用数组放到 Redis 里。
|
 |
8
SlipStupig 2018-03-23 13:27:00 +08:00
加上一个时间戳就可以解决
1.要是检测非 200 的 select url from your_table where status_code != 200 order by last_modified DESC limit 0, 100 2. 用你的程序获取状态码 3.直接 update 时间戳和状态码就完事了，根本不需要去删除老的数据 |
 |
9
734506700qq 2018-03-23 13:39:24 +08:00
可以先将 100 条数据插入库中，然后设置初始状态，等待查询更新，添加更新时间戳字段，等待回写状态；若用户来查时，发现是初始状态，则直接逻辑中去查询一次这个 url，查询其状态，并将状态写入到数据库；
|
 |
10
GoLand 2018-03-23 13:47:58 +08:00
主键自增 ID，直接存进去取的时候直接 select * from xxx order by id desc limit 100 不就行了？时间戳都不要。
|
 |
11
porrat 2018-03-23 13:48:26 +08:00
redis
|
|
12
xshwy OP #6 @honeycomb 感谢提供解决方案，我搜一下 python 相关的操作方式
#7 @stabc 感谢提供方案，因为只需要展示最后获取的 100 个 url 的 200 状态，如果方式 redis 的话也还是要清空之前的记录，清空期间担心用户访问的时候会显示数据为空。 #8 #9 #10 @SlipStupig @734506700qq @GoLand 感谢提供方案，需要获取最后一次获取到 100 个 url 的 200 状态，所以不能用 limit 0,100，因为可能最后查询到的 100 个 url 只有 20 个 url 是 200 状态，总数也不止 100 个，每次获取到的都是随机 100 个，所以 update 感觉也不太可行… #11 @porrat 感谢提供思路，请问有更详细的解决方案嘛？ |
|
13
SlipStupig 2018-03-23 15:27:59 +08:00
@xshwy 用时间排序有什么不行的
|
|
14
honeycomb 2018-03-23 17:01:28 +08:00 via Android
@xshwy Java 里有 guava cache （以及很多同类工具）正好可以限制 cache 的大小的同时，又能监听 cache evict 事件（用来回调把抛弃的数据持久化到数据库），Python 肯定有类似的轮子。
|
 |
16
chairuosen 2018-03-23 17:18:59 +08:00
关键信息没说：
是否要求某次排名更新后，所有 url 的 status 都查询一遍，前端才刷？ |
|
17
xshwy OP #15 @honeycomb 感谢提供解决方案，我去搜搜相关模块的文档
#16 @chairuosen 每 5 分钟获取一次排前面 100 的 url，然后获取这 100 个 url 的状态，存储，前端由用户手动刷新即可 |
|
18
chairuosen 2018-03-23 17:32:30 +08:00
@xshwy 你还是没回答啊。排名出来了，状态查了 50 个，50 个没查呢，现在前端要数据，给什么？
|
 |
19
kennylam777 2018-03-23 17:33:53 +08:00
redis 的 ZADD/ZRANK 似乎可以解決這種問題, 才 100 個 url 這種小型 dataset 應該是適合的
|
|
20
xshwy OP #18 @chairuosen 所有 url 状态查完统一存储发出，设置的 5 分钟轮询就是想着 5 分钟应该足够 100 个 url 的状态查询了；没有查询完毕之前，继续返回上次的查询结果
#19 @kennylam777 好的 我查一下资料，非常感谢，不过后续可能会适配到 1000、10000 … |
|
21
kennylam777 2018-03-23 17:52:29 +08:00
|
 |
22
rrfeng 2018-03-23 17:53:36 +08:00 via Android
es kibana 啥代码也不要写
|
|
23
xshwy OP #22 @rrfeng 我搜索一下相关技术，感谢提供解决方案
#21 @kennylam777 哇 非常感谢，发现 ZADD/ZRANK 太好用了，可以实现我大部分的需求，可以自动更新已存在的数据，还可以直接排序好实用，也可以直接分页查询太好了！ 不过有一点问题就是无法设置过期时间，查了一圈也没找到相关的解决方案，继续求教一下 第一次轮训查到三个状态码为非 200 的，按照排名顺序插入，排名也是必须的，所以 score 无法设置时间戳… > ZADD urls 1 xxx.com/001 > ZADD urls 3 xxx.com/002 > ZADD urls 25 xxx.com/003 前台可以展示出排名第几的 url 是非 200 状态，第二次轮训的时候只查到 1 个状态码为非 200 状态 > ZADD urls 23 xxx.com/001 问题来了，如何清空之前存储的 002、003 两个数据呢？或者如何设置自动清理超过 10 分钟没更新的数据呢？ |
 |
24
baojiwei 2018-03-29 02:50:54 +08:00
redis 的 zrank 就可以了
多使用缓存，这类问题不需要使用数据库 如果需要的话也是异步的，非高频操作 |
Select Language