推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2928 天前的主题，其中的信息可能已经有所发展或是发生改变。
还剩很多空间，但是 inode 空间已经不够了。是应该在格式化硬盘的时候就多分配一点 inode 空间呢，还是在设计爬虫的时候就不要生成太多小文件呢？
如果是前者的话，有办法在不丢失 vps 上数据和程序的情况下改变 inode 大小么？
如果是后者的话，我爬的是 zhihu ，现在是每个回答是一个单独的文件。该怎么减少小文件的数量呢？都写在同一个文件，然后用多线程锁么？
如果是前者的话，有办法在不丢失 vps 上数据和程序的情况下改变 inode 大小么？
如果是后者的话，我爬的是 zhihu ，现在是每个回答是一个单独的文件。该怎么减少小文件的数量呢？都写在同一个文件，然后用多线程锁么？
 |
1
cdwyd 2016-11-20 00:58:33 +08:00 via Android  1
每个回答放在一行，或者入库
|
 |
2
billlee 2016-11-20 01:08:08 +08:00 1
你听说过数据库吗？
|
 |
4
thekoc OP 看了一下 sqlite ，准备用它了。
|
|
5
billlee 2016-11-20 01:30:50 +08:00 2
@thekoc 是啊， ext 文件系统的设计不适合存放大量小文件， btrfs 也许可以。
但一个文件还会有用户权限修改时间什么的很多元数据，开销很大。打开文件的时候还要占用文件描述符。 你用个简单的 SQLite 数据库也比直接创建文件好。 |
 |
6
em70 2016-11-20 01:32:05 +08:00 via iPhone 1
本来就是玩，你就尽量折腾呗，各种方法都试试，多好的提高机会啊
|
 |
7
bazingaterry 2016-11-20 02:53:41 +08:00 1
@thekoc 都用数据库了，干脆就 MySQL 吧。
|
 |
8
onlyice 2016-11-20 08:52:28 +08:00 via Android 1
感觉楼上说的解决办法都对，但是没有解答这个基本问题：为什么放文件会比放数据库更占用磁盘空间？
楼主可以试着解答下 |
 |
10
smallghost 2016-11-20 08:54:04 +08:00 1
@bazingaterry 我觉得用 Postgres 数据库好!
|
 |
11
doubleflower 2016-11-20 09:12:50 +08:00 1
linode 可以自已格式化一个盘挂上的，格式成 ReiserFS 就可以了，那个不限 inode 数。
|
 |
12
Zzzzzzzzz 2016-11-20 11:34:13 +08:00 1
leveldb 啊
|
 |
13
tumbzzc 2016-11-20 12:01:58 +08:00 via iPhone 1
我还说爬虫怎么会自己产生小文件呢。。。
|
 |
14
yaozeyuan93 2016-11-20 13:26:52 +08:00 1
@onlyice 因为文件有最低大小←_←
好像 4kb 吧我记得 |
 |
15
ctrlaltdeletel 2016-11-20 13:39:31 +08:00 1
感觉可以使用个 bitcask 引擎的存储系统试试。
|
 |
16
crayonyi 2016-11-21 10:51:33 +08:00
以前我们的图片服务器也遇到一样的问题， inode 耗净，磁盘空间却还很多。
解决方法当然是用数据库或者使用分布式文件存储方案： 1 ） MogileFS 、 FastDFS 等分布式文件存储系统 2 ） OSS 、七牛、又拍云等云存储方案（每月每 G 才几毛钱） |
 |
17
yanzixuan 2016-11-22 14:42:44 +08:00
一般入 mongodb ，如果觉得喜欢文件的话，也可以使用 mongo 的文件存储。
|
Select Language