Python/MySQL批更新优化

我目前正试图确定在速度方面对MySQL数据库执行批量更新的最佳方法。不幸的是，每一行都需要一个单独的更新，我是根据表的ID（自动递增）来更新的。因此，每行需要一条UPDATE语句。该表本身大约有1200万条记录，我可能每天只需要更新大约100000条记录

对于批插入语句，我可以使用executemany（）函数，但不幸的是，相同的函数似乎不会影响UPDATE语句。我已经读到，这是因为MySQL中允许此函数工作的优化是为插入而硬编码的

目前，我正在考虑创建一个临时表，该表将存储ID和update_值的键值对，然后通过update join将其更新到需要更新的表中。考虑到数据库是链式复制拓扑的主节点，这是个好主意吗

---

我目前正在使用MyISAM作为此表的存储引擎，因为它经常被读取（但不是在更新的同时）。诚然，我没有使用InnoDB对其进行基准测试。我意识到MyISAM具有表级锁定，并且更新会在特定更新期间锁定整个表。如果我切换到InnoDB，MySQL是否足够智能，可以同时执行更新（如果通过ExecuteMy（）提供），并且我是否可能看到速度有所提高？

步骤1：实施您拥有的技术。第二步：测量你已经掌握的技术的性能。步骤3：评估测量结果，看看是否有任何测量结果是可接受的（它们可能是可接受的）。第4步：找出阻碍性能的瓶颈。如果是Python代码，那么第5步：分析Python代码。第6步：用你的测量值和所需时间更新问题。这真的很难假设回答，因为我们没有您的服务器或数据库配置。谢谢-我会这样做，并报告回来。但是，我担心的是临时表和复制。有什么问题吗？抱歉有点偏离了原来的主题，但我确实觉得这与更新问题有关。临时表格通常是一个非常糟糕的主意。数据库速度很慢。非常慢。通常，进行此类更新的最佳方法是在数据库外部创建一个“替换”表：提取旧数据、更新和重新加载新数据。在数据库中处理“临时表”通常是一种设计的标志，这种设计应该在数据库之外使用平面文件。第二步：测量你已经掌握的技术的性能。步骤3：评估测量结果，看看是否有任何测量结果是可接受的（它们可能是可接受的）。第4步：找出阻碍性能的瓶颈。如果是Python代码，那么第5步：分析Python代码。第6步：用你的测量值和所需时间更新问题。这真的很难假设回答，因为我们没有您的服务器或数据库配置。谢谢-我会这样做，并报告回来。但是，我担心的是临时表和复制。有什么问题吗？抱歉有点偏离了原来的主题，但我确实觉得这与更新问题有关。临时表格通常是一个非常糟糕的主意。数据库速度很慢。非常慢。通常，进行此类更新的最佳方法是在数据库外部创建一个“替换”表：提取旧数据、更新和重新加载新数据。在数据库中处理“临时表”通常是一种设计的标志，这种设计应该在数据库之外使用平面文件。