Python sqlalchemy批量插入比构建原始SQL慢

我将介绍sqlalchemy批量插入性能。我尝试了基准测试中指定的各种方法-

SQLAlchemy ORM bulk\u insert\u mappings（）

，

SQLAlchemy Core

。不幸的是，对于插入1000行，所有这些方法都需要大约1分钟的时间来插入它们。这速度太慢了。我还尝试了指定的方法-这需要我构建一个大型SQL语句，如：

INSERT INTO mytable (col1, col2, col3)
VALUES (1,2,3), (4,5,6) ..... --- up to 1000 of these

此原始SQL的插入类似于：

MySession.execute('''
insert into MyTable (e, l, a)
values {}
'''.format(",".join(my_insert_str)))

使用这种方法，我将性能提高了50倍以上，在10-11秒内插入10000次

下面是使用内置库的方法的代码

class MyClass(Base):
    __tablename__ = "MyTable"
    e = Column(String(256), primary_key=True)
    l = Column(String(6))
    a = Column(String(20), primary_key=True)

    def __repr__(self):
        return self.e + " " + self.a+ " " + self.l

        dict_list = []
        for i, row in chunk.iterrows():

            dict_list += [{"e" : row["e"], "l" : l, "a" : a}]

        MySession.execute(
            Myclass.__table__.insert(),
            dict_list
        )

下面是我连接数据库的方式

    params = urllib.quote_plus("DRIVER={SQL Server Native Client 10.0};SERVER=servername;DATABASE=dbname;UID=user;PWD=pass")
    engine = create_engine("mssql+pyodbc:///?odbc_connect=%s" % params )
    MySession.configure(bind=engine, autoflush=False, expire_on_commit=False)

我的设置是否存在问题，从而严重降低了性能？我尝试了不同的db驱动程序——pyodbc和pymssql。无论我尝试过什么，我都无法接近他们在文章中声称的数字，即：

SQLAlchemy ORM: Total time for 100000 records 2.192882061 secs
SQLAlchemy ORM pk given: Total time for 100000 records 1.41679310799 secs
SQLAlchemy ORM bulk_save_objects(): Total time for 100000 records 0.494568824768 secs
SQLAlchemy ORM bulk_insert_mappings(): Total time for 100000 records 0.325763940811 secs
SQLAlchemy Core: Total time for 100000 records 0.239127874374 secs
sqlite3: Total time for 100000 records 0.124729156494 sec

我正在连接到MS SQL Server 2008。如果我遗漏了任何其他细节，请告诉我

原始SQL方法的问题在于它不是SQL注入安全的。因此，如果你有解决这个问题的建议，也会非常有帮助：）。

你正在做什么

MySession.execute(
    Myclass.__table__.insert(),
    dict_list
)

它使用

executemany（）

。它不同于插入到。。。值…。要使用

值

，请执行以下操作：

MySession.execute(
    Myclass.__table__.insert().values(dict_list)
)

作为旁注，SQL注入问题是通过参数解决的：

MySession.execute('''
insert into MyTable (e, l, a)
values (?, ?, ?), (?, ?, ?), ...
''', params)

---

这里的要点是，您没有比较等效的构造。您没有在SQLAlchemy生成的查询中使用

值，而是在文本SQL中使用；您没有在文本SQL中使用参数化，而是在SQLAlchemy生成的查询中使用。如果您打开已执行SQL语句的日志记录，您将看到完全不同的地方。
我建议您阅读：，仅供参考；）我更倾向于建议阅读，这是关于pyodbc的一个长期存在的问题，对于大型插入，执行速度非常慢。尽管批量数据处理不是其中之一，但ORM也有其地位。并不是说它适用于所有情况，尤其是在这里，而是编译
insert（）.values（）
。执行本身比预期的要快。我们应该对此进行更多的研究。@IljaEverilä这是一个很好的观点。对于这样的大型数据集，我倾向于将CSV流式传输到
COPY
，就像您的答案一样，只是不在内存中生成整个文件。但是，对于约1k个条目，使用
值的开销应该相对较小。同意。似乎pyodbc已经做到了。@univerio感谢您的回答，我实际上最终使用了参数来阻止SQL注入，到目前为止，我认为这给了我最好的性能。很高兴看到你也提出了这个建议！我将再次检查.insert（）.values（dict_list），尽管我现在对任何内置方法都有点怀疑：DIt仍然很奇怪性能文章是如何获得的