Я написал скрипт python для запроса этой конечной точки с использованием SPARQL, чтобы получить некоторую информацию о генах. Так работает сценарий:
Get genes
Foreach gene:
Get proteins
Foreach proteins
Get the protein function
.....
Get Taxons
....
но сценарий занимает слишком много времени для выполнения. Я сделал профилирование с использованием pyinstrument, и я получил следующие результаты:
39.481 <module> extracting_genes.py:10
'- 39.282 _main extracting_genes.py:750
|- 21.629 create_prot_func_info_dico extracting_genes.py:613
| '- 21.609 get_prot_func_info extracting_genes.py:216
| '- 21.596 query build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:780
| '- 21.596 _query build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:750
| '- 21.588 urlopen urllib2.py:131
| '- 21.588 open urllib2.py:411
| '- 21.588 _open urllib2.py:439
| '- 21.588 _call_chain urllib2.py:399
| '- 21.588 http_open urllib2.py:1229
| '- 21.588 do_open urllib2.py:1154
| |- 11.207 request httplib.py:1040
| | '- 11.207 _send_request httplib.py:1067
| | '- 11.205 endheaders httplib.py:1025
| | '- 11.205 _send_output httplib.py:867
| | '- 11.205 send httplib.py:840
| | '- 11.205 connect httplib.py:818
| | '- 11.205 create_connection socket.py:541
| | '- 9.552 meth socket.py:227
| '- 10.379 getresponse httplib.py:1084
| '- 10.379 begin httplib.py:431
| '- 10.379 _read_status httplib.py:392
| '- 10.379 readline socket.py:410
|- 6.045 create_gene_info_dico extracting_genes.py:323
| '- 6.040 ...
|- 3.957 create_prots_info_dico extracting_genes.py:381
| '- 3.928 ...
|- 3.414 create_taxons_info_dico extracting_genes.py:668
| '- 3.414 ...
|- 3.005 create_prot_parti_info_dico extracting_genes.py:558
| '- 2.999 ...
'- 0.894 create_prot_loc_info_dico extracting_genes.py:504
'- 0.893 ...
В основном я выполняю несколько запросов несколько раз (+60000), поэтому я понял, что opening the connection
и getting response
выполняются несколько раз, что замедляет выполнение.
Кто-нибудь есть идея, как решить эту проблему?
Как @Stanislav montioned, urllib2
который используется SPARQLWrapper Не поддерживает постоянные соединения, но я нашел способ сохранить соединение в сети, используя setUseKeepAlive()
определенную в SPARQLWrapper/Wrapper.py.
Сначала мне пришлось установить пакет keepalive
:
pip install keepalive
Это сократило время извлечения почти на 40%.
def get_all_genes_uri(endpoint, the_offset):
sparql = SPARQLWrapper(endpoint)
sparql.setUseKeepAlive() # <--- Added this line
sparql.setQuery("""
#My_query
""")
....
И получили следующие результаты:
24.673 <module> extracting_genes.py:10
'- 24.473 _main extracting_genes.py:750
|- 12.314 create_prot_func_info_dico extracting_genes.py:613
| '- 12.068 get_prot_func_info extracting_genes.py:216
| |- 11.428 query build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:780
| | '- 11.426 _query build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:750
| | '- 11.353 urlopen urllib2.py:131
| | '- 11.353 open urllib2.py:411
| | '- 11.339 _open urllib2.py:439
| | '- 11.338 _call_chain urllib2.py:399
| | '- 11.338 http_open keepalive/keepalive.py:343
| | '- 11.338 do_open keepalive/keepalive.py:213
| | '- 11.329 _reuse_connection keepalive/keepalive.py:264
| | '- 11.280 getresponse httplib.py:1084
| | '- 11.262 begin httplib.py:431
| | '- 11.207 _read_status httplib.py:392
| | '- 11.204 readline socket.py:410
| '- 0.304 __init__ build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:261
| '- 0.292 resetQuery build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:301
| '- 0.288 setQuery build/bdist.linux-x86_64/egg/SPARQLWrapper/Wrapper.py:516
|- 4.894 create_gene_info_dico extracting_genes.py:323
| '- 4.880 ...
|- 2.631 create_prots_info_dico extracting_genes.py:381
| '- 2.595 ...
|- 1.933 create_taxons_info_dico extracting_genes.py:668
| '- 1.923 ...
|- 1.804 create_prot_parti_info_dico extracting_genes.py:558
| '- 1.780 ...
'- 0.514 create_prot_loc_info_dico extracting_genes.py:504
'- 0.510 ...
Честно говоря, время выполнения все еще не так быстро, как я хочу, я посмотрю, есть ли что-то еще, что я могу сделать.