Opa,
Yada achei muito complicado pra pouca coisa que vou fazer. Mas to convencido a
tentar.
Breno, o truncado é por causa que estou fazendo varios downloads com o
Parallel::ForkManager de um arquivo no formato texto, onde cada identificador é
um dado do arquivo, como eu trabalho com milhoes desses identificadores e o
servidor recomenda se limitar a 500 por requisição acaba que tenho que fazer
varios downloads. So que to imprimindo tudo em STDOUT e redirecionando a saida
pra um aarquivo estilo UNIX mesmo > , então tem varios processo tenetando
escrever na tela ao mesmo tempo, eu pensei em fazer um lock mas acho q isso vai
fazer demorar.
Exatamente aqui é o problema, IPC::ShareTable ou algo assim deve resolver.
Alguma sujestão de solução ?
my $pm = new Parallel::ForkManager($req);
while(my $id = <$IN>){
$cnt++;
chomp $id;
if ($cnt == $split || $. == $nl){ #$split = 500;
push @ids, $id;
my @tmp = @ids;
undef @ids;
$cnt = 0;
$pm->start and next; # do the fork
my @resp = get_fasta(\@tmp, $db, $timeout);
if ($resp[0]){
$resp[1] =~ s/^\s*\n+//mg;
print STDOUT $resp[1];
}
else{
print STDERR "Status: $resp[2]\n$resp[3]\nDetails: $resp[1]\n";
print STDERR join (" ", "Fail:", @tmp, "\n");
}
$pm->finish; #tihs is a fork, at the end (here) the memory will be released
}
else{
push @ids, $id;
}
}
$pm->wait_all_children;
________________________________
From: Rio-pm <rio-pm-bounces+guedes_1000=hotmail....@pm.org> on behalf of breno
<oainikus...@gmail.com>
Sent: Wednesday, May 24, 2017 3:54:47 AM
To: Perl Mongers Rio de Janeiro
Subject: Re: [Rio-pm] Metodos de Download em Massa
Oi Aureliano,
se você está interessado em benchmarks, pode experimentar o LWP::Curl em vez do
Furl, ou se tiver paciência pra ir direto ao metal, Net::Curl ou WWW::Curl.
O que quer dizer com "truncado"? Se a conexão cai depois de X bytes baixados (e
se vc consegue garantir que o arquivo parcial contém apenas dados válidos), vc
pode baixar só o que falta e depois juntar os dois pedaços na mão. Por exemplo,
se o arquivo parcial foi baixado em "parcial.tmp":
---------8<---------
my $ua = Furl->new;
my $res = $ua->get( 'http://exemplo.com/arquivo.tmp', Range => 'byes=' . -s
'parcial.tmp' . '-');
open my $ fh, '>>', 'parcial.tmp;
print $fh, $res->content;
close $fh;
---------8<---------
(código não testado, estou no celular)
Se o servidor suporta conteúdo parcial (ele responde o primeiro request com
Accept-Ranges), isso deve baixar o resto do arquivo. Idealmente, em vez de
sobrescever o arquivo parcial, vc junta o conteúdo dos dois em um terceiro
arquivo.
Finalmente, se quiser baixar vários pedaços do arquivo em paralelo, pode
experimentar o HTTP::Range e o LWP::Parallel::UserAgent, ou se inspirar neles e
implementar sua própria solução paralela com Furl ou LWP::Curl.
[]s
-b
On 23:26, Tue, 23 May 2017 Aureliano Guedes,
<guedes_1...@hotmail.com<mailto:guedes_1...@hotmail.com>> wrote:
Ola Monges,
Gostaria de saber qual metodo vocês mais gostam para fazer downloads em massa.
Eu usava muito LWP, recentemente comecei usar uma combinação de
Parallel::ForkManager e Furl, mas pra meu tipo de dado tem truncado parte dos
download. (vale uma dica pra lidar com dados truncados?)
No meu caso, eu to fazendo download de mais me milhoes de sequencias, pra isso
eu sigo a regra do servidor e peço apenas 500 por vez e limito em 10 fork.
Tem outros metodos que posso usar mas acabo perdendo e muito a eficiência. Por
isso pretendo testar um benchmark em varias formas diferentes.
Bom, sei que existem ferramentas, BioPerl, etc...
Abraços,
acpguedes
_______________________________________________
Rio-pm mailing list
Rio-pm@pm.org<mailto:Rio-pm@pm.org>
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm@pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
