質問編集履歴
1
追記を書き加えた
title
CHANGED
|
@@ -1,1 +1,1 @@
|
|
|
1
|
-
大量のjson形式の読み込みスピード比較
|
|
1
|
+
大量の数のjson形式の読み込みスピード比較
|
body
CHANGED
|
@@ -4,9 +4,57 @@
|
|
|
4
4
|
調べてみると，jsonはデータ量に比例して読み込みスピードの時間が多くなると出てきました．
|
|
5
5
|
そこで，質問なのですが，このスピードを速くすることはデータをjson形式のままですることは可能なのでしょうか？
|
|
6
6
|
例えば，pythonの特定のライブラリを使うと速くなる or R言語やc++を用いると速くなるなどの情報を頂けると嬉しいです．
|
|
7
|
+
目標はこれら全てをdataframeにしたいです．
|
|
7
8
|
|
|
8
9
|
|
|
10
|
+
### 発生している問題・エラーメッセージ
|
|
11
|
+
boto3でローカルで読み取った時のコードです．
|
|
9
12
|
|
|
13
|
+
|
|
14
|
+
```python
|
|
15
|
+
path1 = f"s3://mybucket"
|
|
16
|
+
import time
|
|
17
|
+
import awswrangler as wr
|
|
18
|
+
import boto3
|
|
19
|
+
start = time.time()
|
|
20
|
+
my_session = boto3.Session(aws_access_key_id='***', aws_secret_access_key='***', region_name='***')
|
|
21
|
+
wr.s3.read_json(path1, boto3_session=my_session)
|
|
22
|
+
elapsed_time = time.time() - start
|
|
23
|
+
print(elapsed_time)
|
|
24
|
+
```
|
|
25
|
+
|
|
26
|
+
### 該当のソースコード
|
|
27
|
+
下のjsonファイルを読み込むのに30秒ほどかかりました．これと同程度のjsonファイルが約261000個ほどあります．
|
|
28
|
+
|
|
29
|
+
```json
|
|
30
|
+
{
|
|
31
|
+
"format": "json",
|
|
32
|
+
"payload": {
|
|
33
|
+
"created_at": "20200101 18:45:20.000",
|
|
34
|
+
"AAA": "aaa",
|
|
35
|
+
"BBB": "bbb",
|
|
36
|
+
"ID": "1",
|
|
37
|
+
"purification": "CCC",
|
|
38
|
+
"status_bit": [
|
|
39
|
+
{
|
|
40
|
+
"device": "D00800.00",
|
|
41
|
+
"name": "処理停止中",
|
|
42
|
+
"float": false
|
|
43
|
+
},
|
|
44
|
+
(上のdeviceがこのあと，およそ500項目ある．teratailの字数制限に引っかかるので略．各deviceの文字の長さは全て同程度．)
|
|
45
|
+
]
|
|
46
|
+
},
|
|
47
|
+
"qos": 0,
|
|
48
|
+
"timestamp": 1602755120,
|
|
49
|
+
"topic": "sample"
|
|
50
|
+
}
|
|
51
|
+
```
|
|
52
|
+
|
|
53
|
+
|
|
10
54
|
### 補足情報（FW/ツールのバージョンなど）
|
|
11
55
|
|
|
12
|
-
現在,jsonはawsのs3に貯まっており，boto3ライブラリやaws Glueを使用してみましたがうまくいきません（遅かった）でした．
|
|
56
|
+
現在,jsonはawsのs3に貯まっており，boto3ライブラリやaws Glueを使用してみましたがうまくいきません（遅かった）でした．
|
|
57
|
+
|
|
58
|
+
|
|
59
|
+
#
|
|
60
|
+
．
|