Question

我正在使用SQLAlchemy 1.0.0，并希望批量生成一些UPDATE ONLY（如果匹配主键则更新，则不执行任何操作）。

我做了一些实验，发现批量更新看起来比批量插入或批量upsert要慢得多。

你能否帮我指出为什么它的工作速度如此之慢或是否有任何其他方法/想法来制作BULK UPDATE (not BULK UPSERT) with SQLAlchemy？

以下是MYSQL中的表格：

CREATE TABLE `test` (
  `id` int(11) unsigned NOT NULL,
  `value` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

测试代码：

from sqlalchemy import create_engine, text
import time

driver = 'mysql'
host = 'host'
user = 'user'
password = 'password'
database = 'database'
url = "{}://{}:{}@{}/{}?charset=utf8".format(driver, user, password, host, database)

engine = create_engine(url)
engine.connect()

engine.execute('TRUNCATE TABLE test')

num_of_rows = 1000

rows = []
for i in xrange(0, num_of_rows):
    rows.append({'id': i, 'value': i})

print '--------- test insert --------------'
sql = '''
    INSERT INTO test (id, value)
    VALUES (:id, :value)
'''
start = time.time()
engine.execute(text(sql), rows)
end = time.time()
print 'Cost {} seconds'.format(end - start)

print '--------- test upsert --------------'
for r in rows:
    r['value'] = r['id'] + 1

sql = '''
    INSERT INTO test (id, value)
    VALUES (:id, :value)
    ON DUPLICATE KEY UPDATE value = VALUES(value)
'''
start = time.time()
engine.execute(text(sql), rows)
end = time.time()
print 'Cost {} seconds'.format(end - start)

print '--------- test update --------------'
for r in rows:
    r['value'] = r['id'] * 10

sql = '''
    UPDATE test
    SET value = :value
    WHERE id = :id
'''
start = time.time()
engine.execute(text(sql), rows)
end = time.time()
print 'Cost {} seconds'.format(end - start)

num_of_rows = 100时的输出：

--------- test insert --------------
Cost 0.568960905075 seconds
--------- test upsert --------------
Cost 0.569655895233 seconds
--------- test update --------------
Cost 20.0891299248 seconds

num_of_rows = 1000时的输出：

--------- test insert --------------
Cost 0.807548999786 seconds
--------- test upsert --------------
Cost 0.584554195404 seconds
--------- test update --------------
Cost 206.199367046 seconds

数据库服务器的网络延迟大约为500毫秒。

看起来在批量更新中，它逐个发送和执行每个查询，而不是批处理？

提前致谢。

Answer 1

即使数据库服务器（如您的情况）具有非常糟糕的延迟，您也可以通过技巧加快批量更新操作。您可以使用 stage-table 快速插入新数据，然后对 destination-table 进行一次连接更新，而不是直接更新表。这样做的好处是可以大大减少必须发送到数据库的语句数量。

这如何与UPDATE一起使用？

假设您有一个表entries，并且您有新数据随时可用，但您只想更新已存储的数据。您可以创建目标表entries_stage的副本，其中只包含相关字段：

entries = Table('entries', metadata,
    Column('id', Integer, autoincrement=True, primary_key=True),
    Column('value', Unicode(64), nullable=False),
)

entries_stage = Table('entries_stage', metadata,
    Column('id', Integer, autoincrement=False, unique=True),
    Column('value', Unicode(64), nullable=False),
)

然后使用批量插入插入数据。如果您使用MySQL的多值插入语法（SQLAlchemy本身不支持，但可以毫无困难地构建），这可以进一步加速。

INSERT INTO enries_stage (`id`, `value`)
VALUES
(1, 'string1'), (2, 'string2'), (3, 'string3'), ...;

最后，使用stage-table中的值更新destination-table的值，如下所示：

 UPDATE entries e
 JOIN entries_stage es ON e.id = es.id
 SET e.value = es.value;

然后你就完成了。

插入怎么办？

这当然也可以加速插入。由于您已经拥有 stage-table 中的数据，所以您需要做的就是发出INSERT INTO ... SELECT语句，其中的数据不在 destination-table 尚未。

INSERT INTO entries (id, value) SELECT FROM entries_stage es LEFT JOIN entries e ON e.id = es.id HAVING e.id IS NULL;

关于这一点的好处是，您不必执行INSERT IGNORE，REPLACE或ON DUPLICATE KEY UPDATE，会增加您的主键，即使他们会这样做没什么

MySQL中的Sqlalchemy批量更新工作非常慢

1 个答案:

这如何与UPDATE一起使用？

插入怎么办？