Python：限制发布到服务器的 json 字符串的大小

Question

我正在向最大数据上传限制为 1MB 的服务器发布数十万条 JSON 记录。我的记录大小可变，从几百字节到几十万字节不等。

def checkSize(payload):
    return len(payload) >= bytesPerMB 


toSend = []
for row in rows:
    toSend.append(row)
    postData = json.dumps(toSend)
    tooBig = tooBig or checkSize()
    if tooBig:
          sendToServer(postData)

然后发布到服务器。它目前有效，但 toSend 不断转储到一个 jsonified 字符串似乎真的很重，几乎 100% 太多了，尽管我似乎找不到另一种方法。我可以将各个新记录串起来并记录它们在一起的次数吗？

我确定一定有更简洁的方法来执行此操作，但我只是不知道。

感谢您提供的所有帮助。

---

这是我现在正在使用的答案，我和下面的@rsegal 同时想出了它，只是为了清楚和完成而发布（sendToServer 只是一个虚拟函数来显示事情正常工作），

import pickle
import json

f = open("userProfiles")
rows = pickle.load(f)
f.close()

bytesPerMB = 1024 * 1024
comma = ","
appendSize = len(comma)

def sendToServer(obj):
    #send to server
    pass

def checkSize(numBytes):
    return numBytes >= bytesPerMB

def jsonDump(obj):
    return json.dumps(obj, separators=(comma, ":"))

leftover = []
numRows = len(rows)
rowsSent = 0

while len(rows) > 0:
    toSend = leftover[:]
    toSendSize = len( jsonDump(toSend) )
    leftover = []
    first = len(toSend) == 0

    while True:
        try:
            row = rows.pop()
        except IndexError:
            break

        rowSize = len( jsonDump(row) ) + (0 if first else appendSize)
        first = False

        if checkSize(toSendSize + rowSize):
            leftover.append(row)
            break

        toSend.append(row)
        toSendSize += rowSize

    rowsSent += len(toSend)
    postData = jsonDump(toSend)
    print "assuming to send '{0}' bytes, actual size '{1}'. rows sent {2}, total {3}".format(toSendSize, len(postData), rowsSent, numRows)
    sendToServer(postData)

Answer 1

我会做如下事情：

toSend = []
toSendLength = 0
for row in rows:
    tentativeLength = len(json.dumps(row))
    if tentativeLength > bytesPerMB:
        parsingBehavior # do something about lolhuge files
    elif toSendLength + tentativeLength > bytesPerMB: # it would be too large
        sendToServer(json.dumps(toSend)) # don't exceed limit; send now
        toSend = [row] # refresh for next round - and we know it fits!
        toSendLength = tentativeLength
    else: # otherwise, it wont be too long, so add it in
        toSend.append(row)
        toSendLength += tentative
sentToServer(json.dumps(toSend)) # if it finishes below the limit

您的解决方案的问题在于，从 Big-O 的角度来看，它并不是很好。我的以线性时间运行，你的将以二次时间运行，因为你要检查每个循环的累积长度。每次都重置 postData 也不是很有效。