我目前正在收集大约1000个不同时间段（1、5、15、30和60分钟）的加密交易对的烛台数据，并以相应的间隔将其插入到使用Python 3-Psycopg2的Postgresql 11表中。这非常有效且及时。然后，我开始从每个交易对的最近200条记录中进行选择，处理大约40个指标值。到目前为止，我还没有找到该应用程序的性能设置。

我尝试了几种方法： 1.使用Psycopg2 ThreadedConnectionPool进行Python多线程处理-可行，但不能及时交付结果-大约需要45秒以上。 2. Python多重处理实现真正的并发操作。我还没有找到在Postgresql中使用连接池的方法（我找到了这个未回答的条目：Sharing a postgres connection pool between python multiproccess）。因此，我在每个进程中打开和关闭一个连接，该进程立即耗尽了Postgresql服务器提供的所有连接（即使将其设置为1000 max）。 3.我试图使用在插入时触发的服务器端功能。它可以工作，但是即使我已扩展到最多8个CPU和32GB内存，我也无法调整服务器的性能。完成该过程需要几分钟。

除了其他市场或社交媒体信息，我打算在多个时间范围内将收集的资产增加到几千种。似乎带有用于Postgresql的连接池的Python多处理功能提供了最佳的可伸缩性，但到目前为止，这似乎是不可能的。另一方面，我确信周围有很多项目具有相似或更大的工作量并且能够及时执行。什么是正确的方法？