浅谈使用ArcPy执行大数据量处理任务

Python功能强大而易于学习。对于ArcGIS for Desktop用户来讲，Python是提高工作效率的不二选择。
Arcpy是esri提供的用于高效数据处理分析、制图等的Python站点包。 利用ArcPy，我们可以在ArcMap的Python窗口交互执行脚本，还可以创建自定义脚本工具或脚本工具箱，还可以在ArcGIS之外运行独立脚本，享受更纯正的python体验。
这一篇说说如何利用Python批量执行数据处理任务，这个问题也是前段时间遇到的用户的实际问题，比较有价值。
需求
还是从实例开始……

有一个简单但耗体力的裁剪任务，希望通过大量面分割（逐一裁剪）大量的数据，类似Split工具要完成的任务，并且要按照一定的规则命名将分割结果输出到指定的位置，例如要求有指定前缀。
实现
例如，一种思路是逐一遍历面要素，然后去裁剪目标数据再输出，这时你可能会遇到下面的小问题：

我如何通过ArcPy获取要素的几何？

在ArcPy中提供了一个数据访问模块/Data Access (arcpy.da)，我们可以通过游标（Cursor）来查询要素的几何或属性。在这个需求中是逐一遍历面要素的几何，我们选择 SearchCursor，通过SHAPE@可以访问要素的几何。
语法：

SearchCursor(in_table, field_names, {where_clause}, {spatial_reference}, {explode_to_points}, {sql_clause})

了解详细的帮助信息点这里。

那么可以把函数主体定义成这样，即可实现需求：

def MyBatchClip(Parameter):

    # 参数

    inputFC = Parameter[0]

    ClipArea = Parameter[1]

    OutputWS = Parameter[2]

    Prefix = Parameter[3]

    # 字段列表，SHAPE@ 访问要素几何对象

    Fields = ['FID','SHAPE@']

    # 遍历面要素逐一裁剪目标数据并输出自定义前缀的结果。

    with arcpy.da.SearchCursor(ClipArea,Fields) as cursor:

        for row in cursor:

            outputFC = os.path.join(OutputWS, Prefix+str(row[0])+'.shp')

            arcpy.Clip_analysis(inputFC, row[1], outputFC)

多进程
如果这个批量任务是大量的，如何更高效地开动起来？

这里按照esri以前的一篇 Blog 提到的方法分享给大家，使用Multiprocessing模块并行处理。Multiprocessing  模块是Python的一个标准库，通过这个库，我们可以利用多核CPU，来实现多进程处理大数据量的任务。 
可以通过multiprocessing.Pool来使用进程池，Pool类可以管理固定数目的进程，默认是开启和机器CPU数目相同的进程。

语法：

multiprocessing.Pool([processes[, initializer[, initargs[, maxtasksperchild]]]])

processes表示pool中进程的数目，默认地为当前CPU的核数。 initializer表示新进程的初始化函数。 initargs表示新进程的初始化函数的参数。 maxtasksperchild表示每个进程执行task的最大数目

把脚本修改下，加上多进程处理的部分：

# -*- coding:utf-8 -*-

__author__ = 'kikita'



import arcpy

import timeit

import time

import multiprocessing

import os



arcpy.env.workspace =  r'D:\LearnAboutPython\MyPythonProject\UsingCurser\DemoDataS.gdb'

arcpy.env.overwriteOutput = True



# 批量裁剪函数

def MyBatchClip(Parameter):

    # 参数

    inputFC = Parameter[0]

    ClipArea = Parameter[1]

    OutputWS = Parameter[2]

    Prefix = Parameter[3]

    # 字段列表，其中 SHAPE@用于访问数据几何

    Fields = ['OBJECTID','SHAPE@']

    with arcpy.da.SearchCursor(ClipArea,Fields) as cursor:

        for row in cursor:

            outputFC = os.path.join(OutputWS, Prefix+str(row[0])+'.shp')

            arcpy.Clip_analysis(inputFC, row[1], outputFC)

            print Prefix+str(row[0])+'.shp'





if __name__ == '__main__':

    # 参数

    OutputWS = r'D:\LearnAboutPython\MyPythonProject\UsingCurser\OutputWS'

    # SDE库输出

    #OutputWS = r'C:\Connection131.sde'

    Parameter1 = ['CountyPoints','Area_A',OutputWS, 'AAA_']

    Parameter2 = ['hyd_line','Area_B',OutputWS, 'BBB_']

    Parameter3 = ['River_line.shp','Area_C.shp',OutputWS,'CCC_']

    Parameters = [Parameter1,Parameter2,Parameter3]

    # 当前CPU核数

    print 'CPU Count:' + str(multiprocessing.cpu_count())

    # 进程池

    MyGPpool = multiprocessing.Pool()

    # 多进程并行处理

    StartTime = time.time()

    results = MyGPpool.map(MyBatchClip,Parameters)

    EndTime = time.time()

    print 'Elapsed: ' + str(EndTime - StartTime) + ' Seconds...'

结果

CPU Count:8

AAA_0.shp

BBB_0.shp

CCC_0.shp

BBB_1.shp

AAA_1.shp

CCC_1.shp

BBB_2.shp

AAA_2.shp

CCC_2.shp

……

……

……

BBB_28.shp

AAA_27.shp

BBB_29.shp

CCC_28.shp

CCC_29.shp

AAA_28.shp

BBB_30.shp

CCC_30.shp

AAA_29.shp

AAA_30.shp

Elapsed:  28.628000021  Seconds...

一点有用的提示：
1.在使用Multiprocessing时，注意数据锁定（Schema Lock）的问题，例如这个例子中，当输出工作空间选择为FileGDB时出现异常。 使用文件夹输出 Shapefile，或者以SDE数据库作为输出工作空间，都是可以的。

2.我在代码中也加入了计时，用于比较并行与否的耗时情况。 但是有时确实会发现，较简单的处理任务时，多进程并行并不比单进程快，因为导入模块和启动进程都需要花时间。

参考： 
https://blogs.esri.com/esri/ar ... rt-1/ 
https://docs.python.org/2/libr ... rkers 
https://www.binpress.com/tutor ... m/121 
http://cloga.info/python/2014/ ... ntro/ 
http://kmdouglass.github.io/po ... .html 
http://broadcast.oreilly.com/2 ... .html


文章来源：http://kikitamap.com/2016/04/28/ParallelPython/