Mysql 批量创建海量记录的最佳实践

我使用

bulk\u create

将一百万条记录插入到新表中。需要80秒。Django只使用一个CPU核心（大约25%的CPU，但没有一个核心达到100%），我相信这是有改进潜力的

这是密码

class Stock(models.Model):
    code = models.CharField(max_length=6, unique=True)
    name = models.CharField(max_length=8)

class Watchers(models.Model):
    date = models.DateField(db_index=True)
    stock = models.ForeignKey(Stock, unique_for_date="date")
    num = models.PositiveIntegerField(default=0)

batch = []
for input in inputs:
    watcher = Watcher(date=input['date'], stock=get_stock(), num=input['num'])
    batch.append(watcher)
Watcher.objects.bulk_create(batch)

我试过几种方法：

使用合适的

批量大小
。对我来说，最好的价值大约是4000英镑。这需要80-90秒

使用

ThreadPool（）

。速度要慢得多，大约120-140秒

删除

日期字段

上的索引。比1慢一点 我使用的是MySQL 5.6社区版。存储引擎是MyISAM。这里是配置

[mysqld]
server-id   = 1
default-storage-engine = MyISAM
port        = 3306
socket      = /tmp/mysql.sock
datadir     = "{MYSQLDATAPATH}"
skip-external-locking
explicit_defaults_for_timestamp = TRUE

# MyISAM #
key-buffer-size = 32M
max_allowed_packet = 16M

# CACHES AND LIMITS #
tmp-table-size                 = 32M
max-heap-table-size            = 32M
query-cache-type               = 0
query-cache-size               = 0
max-connections                = 500
thread-cache-size              = 50
open-files-limit               = 65535
table-definition-cache         = 1024
table-open-cache               = 2048

# LOGGING
log-bin       = mysql-bin
binlog_format = mixed

当我导入另一个表（类似的结构，相同的索引，但有9列）时，需要15分钟。时间的增加不是线性的

批量生产有什么问题吗

---

更新1 虽然我已经接受了答案，但我认为我应该理解其中的奥秘。所以我做了更多的测试，发现Django的模型创建是速度减慢的根本原因。当我有800000条记录时，调用800000次创建模型将非常耗时

ORM框架执行许多我们没有看到的内部工作，例如完整性检查。在我的例子中，大量记录将被导入到一个空的数据库表中，因此不需要进行检查

现在我使用了

cursor.executemany（）

，它将800000条4列记录的插入时间从54秒缩短到16秒。并将80万条13列记录的插入时间从13分钟缩短到46秒

---

根据我的实验，每3000-5000条记录，你就调用

executemany

。我在一次调用中尝试了800k条记录，这非常慢。

虽然批量创建在处理HTML表单时可用于保存少量记录，但它并不适合保存数千条记录。正如您已经发现的，它的速度很慢，因为它需要大量内存，并向数据库发送非常大的查询。福图纳利前来救援

LOAD DATA INFILE语句将文本文件中的行读取到 以非常高的速度移动桌子。加载数据填充是对 选择。。。进入外文件

我们可以生成一个类似于使用文档中的以下示例生成的文件

import csv
    with open('some.csv', 'wb') as f:
    writer = csv.writer(f)
    writer.writerows(someiterable)

最后，正如您已经发现的，加载数据的本地选项。。有时可以用于方便

仅当服务器和客户端都已安装时，本地才起作用 配置为允许它

使用此选项时，不需要手动将文件传输到服务器。您可以在客户端生成CSV文件，本地选项将使mysql客户端自动将文件传输到服务器

如果未指定LOCAL，则文件必须位于服务器主机上 并由服务器直接读取

---

bulk create没有什么问题，但它的设计并不是要一次将数百万条记录加载到数据库中。对于一天结束时的这类任务，没有什么比在中使用加载数据更好的了FILE@e4c5我相信

在本地文件中加载数据

会更快。你想发布一个答案，这样我就可以接受了。非常感谢。抱歉耽搁了。实际上我已经忘记了本地选项，所以回答您的问题就像参加复习课程一样。

key\u buffer\u size

应该是可用RAM的10-20%。@RickJames谢谢您的提示。但我的案例似乎不会产生太多mysql数据（大约50MB）。真正的瓶颈是django的ORM。它为查询数据提供了便利，但对于构建海量对象来说，效率不高。最后，我找到了一个很好的解决方案。请参阅问题的“更新1”部分