首页
/ Dawarich项目处理大型Google Takeout JSON文件导入的技术方案

Dawarich项目处理大型Google Takeout JSON文件导入的技术方案

2025-06-14 13:24:04作者:伍希望

在Dawarich项目中,用户经常需要导入从Google Takeout导出的位置历史数据(Records.json文件)。当这些JSON文件体积较大时(通常超过1GB),直接导入会遇到内存不足导致进程被终止的问题。本文将深入分析问题根源并提供多种有效的解决方案。

问题根源分析

当尝试导入大型Records.json文件时,系统会显示"Killed"错误并终止进程。这主要是由于:

  1. Ruby on Rails应用默认会尝试将整个JSON文件加载到内存中进行解析
  2. 处理海量位置数据时需要消耗大量内存资源
  3. 默认配置下的容器资源限制可能不足

解决方案一:手动分割JSON文件

最直接的解决方案是将大型JSON文件分割成多个小文件分批导入。以下是使用jq工具的分割脚本示例:

#!/bin/bash
input_file="Records.json"
output_prefix="smaller_array"
chunk_size=100000

total_elements=$(jq '.locations | length' $input_file)

for ((i=0; i<total_elements; i+=chunk_size)); do
    start_index=$i
    end_index=$(($i + $chunk_size - 1))
    output_file="${output_prefix}_$(($i / $chunk_size + 1)).json"
    jq "{locations: .locations[$start_index:$end_index + 1]}" $input_file > $output_file
done

分割完成后,可以批量导入分割后的文件:

for f in tmp/imports/*.json; do 
  bundle exec rake import:big_file["${f}",'your@email.com']; 
done

解决方案二:使用流式处理(推荐)

更优雅的解决方案是使用流式JSON处理器,这样可以避免将整个文件加载到内存中。以下是使用Node.js和JSONStream的实现示例:

const fs = require('fs');
const JSONStream = require('JSONStream');

let chunk = 0;
let locations = {0: []};
let chunkSize = 100000;
let processed = 0;

let readStream = fs.createReadStream("./Records.json");
let stream = readStream.pipe(JSONStream.parse("locations.*"));

stream.on("data", l => {
    processed++;
    if(locations[chunk].length < chunkSize) {
        return locations[chunk].push(l);
    }
    fs.promises.writeFile(`${chunk}_Records.json`, 
        JSON.stringify({locations: locations[chunk]}))
        .then(() => { delete locations[chunk] });
    chunk++;
    locations[chunk] = [l];
});

stream.on("end", () => {
    if(locations[chunk].length > 0) {
        fs.promises.writeFile(`${chunk}_Records.json`, 
            JSON.stringify({locations: locations[chunk]}))
            .then(() => console.log("处理完成"));
    } else {
        console.log("处理完成");
    }
});

性能优化建议

  1. 增加Sidekiq工作线程:在docker-compose.yml中调整BACKGROUND_PROCESSING_CONCURRENCY参数,建议设置为50-100
  2. 资源分配:确保Docker容器有足够的内存(至少8GB)和CPU资源
  3. 批量处理:导入完成后,系统会自动去重,不必担心重复导入问题

未来改进方向

Dawarich项目团队计划在未来版本中实现以下改进:

  1. 自动检测大文件并分割处理
  2. 内置流式JSON解析器
  3. 更友好的进度提示和错误处理

通过以上方法,用户可以成功导入大型位置历史数据集,充分利用Dawarich项目的所有功能。对于技术小白用户,建议从手动分割方案开始,逐步尝试更高级的流式处理方案。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8