Google App Engine：如何使用 TaskQueue 或 Async Urlfetch 并行下载？

Question

我的 Gae 应用程序从第三方站点检索 JSON 数据；给定一个代表要下载的项目的 ID，该网站上的项目数据被组织在多个页面中，因此我的代码必须逐页下载数据块，直到检索到最后一个可用页面的数据。
我的简化代码如下所示：

class FetchData(webapp.RequestHandler):
  def get(self):
    ...
    data_list = []
    page = 1
    while True:
      fetched_data= urlfetch.fetch('http://www.foo.com/getdata?id=xxx&result=JSON&page=%s' % page)
      data_chunk = fetched_data["data"] 
      data_list = data_list + data_chunk
      if len(data_list) == int(fetched_data["total_pages"]):
         break
      else:
         page = page +1 
    ...  
    doRender('dataview.htm',{'data_list':data_list} )

data_list 结果是一个有序列表，其中第一项包含第 1 页的数据，最后一项包含最新页的数据；这个data_list一旦被检索，就会在视图中呈现。

这种方法在 99% 的情况下都有效，但有时，由于 Google App Engine 施加的 30 秒限制，在包含许多页面的项目上，我会收到可怕的 DeadlineExceededError 错误。 我想知道是否使用 TaskQueue |延期|AsyncUrlfetch 我可以改进此算法，以某种方式并行化 N 个 urlfetch 调用。

Answer 1

使用此：http://code.google.com/appengine/docs /python/urlfetch/asynchronousrequests.html

这很简单，如下所示：

def handle_result(rpc):
    result = rpc.get_result()
    # ... Do something with result...

# Use a helper function to define the scope of the callback.
def create_callback(rpc):
    return lambda: handle_result(rpc)

rpcs = []
for url in urls:
    rpc = urlfetch.create_rpc()
    rpc.callback = create_callback(rpc)
    urlfetch.make_fetch_call(rpc, url)
    rpcs.append(rpc)

# ...

# Finish all RPCs, and let callbacks process the results.
for rpc in rpcs:
    rpc.wait()

Answer 2

我已经解决了这个问题：

chunks_dict = {}

def handle_result(rpc, page):
    result = rpc.get_result()
    chunks_dict[page] = result["data"]

def create_callback(rpc, page):
    return lambda: handle_result(rpc, page)

rpcs = []
while True:
    rpc = urlfetch.create_rpc(deadline = 10)
    rpc.callback = create_callback(rpc, page)
    urlfetch.make_fetch_call(rpc, 'http://www.foo.com/getdata?id=xxx&result=JSON&page=%s' % page)
    rpcs.append(rpc)
    if page > total_pages:
       break
    else:
       page = page +1   
for rpc in rpcs:
    rpc.wait()

page_keys = chunks_dict.keys()
page_keys.sort()
for key in page_keys:
    data_list= data_list + chunks_dict[key]