Question

我需要使用文件中收到的数据定期增加列中的值。该表具有＆gt; 400000行。到目前为止，我的所有尝试都会导致性能非常差。我写了一个反映我要求的实验：

#create table
engine = create_engine('sqlite:///bulk_update.db', echo=False)
metadata = MetaData()

sometable = Table('sometable',  metadata,
    Column('id', Integer, Sequence('sometable_id_seq'), primary_key=True),
    Column('column1', Integer),
    Column('column2', Integer),
)

sometable.create(engine, checkfirst=True)

#initial population
conn = engine.connect()
nr_of_rows = 50000
insert_data = [ { 'column1': i, 'column2' : 0 } for i in range(1, nr_of_rows)]
result = conn.execute(sometable.insert(), insert_data)

#update
update_data = [ {'col1' : i, '_increment': randint(1, 500)} for i in range(1, nr_of_rows)]

print "nr_of_rows", nr_of_rows
print "start time   : " + str(datetime.time(datetime.now()))

stmt = sometable.update().\
        where(sometable.c.column1 == bindparam('col1')).\
        values({sometable.c.column2 : sometable.c.column2 +     bindparam('_increment')})

conn.execute(stmt, update_data)

print "end time : " + str(datetime.time(datetime.now()))

我得到的是这些：

nr_of_rows 10000
start time  : 10:29:01.753938
end time    : 10:29:16.247651

nr_of_rows 50000
start time  : 10:30:35.236852
end time    : 10:36:39.070423

所以做400000多行会花费太长时间。

我是sqlalchemy的新手，但我确实做过很多文档阅读，而我却无法理解我做错了什么。

提前感谢！

Answer 1

您通过使用单个查询进行批量更新来使用正确的方法。

之所以花费那么长的原因是因为该表在sometable.column1上没有索引。它只有列id上的主索引。

您的更新查询使用where子句中的sometable.column1来标识记录。因此，数据库必须扫描每个列更新的所有表记录。

要使更新运行更快，您需要更新表架构定义代码，以使用, index=True向column1定义添加索引创建：

sometable = Table('sometable',  metadata,
    Column('id', Integer, Sequence('sometable_id_seq'), primary_key=True),
    Column('column1', Integer, index=True),
    Column('column2', Integer),
)

我在我的机器上测试了更新的代码 - 程序运行花了<2秒。

BTW对您的问题描述赞不绝口 - 您放置了重现问题所需的所有代码。

sqlalchemy批量更新性能问题

1 个答案: