Question

我使用bulk_create将1个mio记录插入到新表中。这需要80秒。 Django只使用一个CPU核心（大约25％的CPU，但没有核心达到100％）我相信有改进潜力。

这是代码

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)

我尝试了几件事：

使用正确的batch_size。对我来说最好的价值大约是4000.需要80-90秒。
使用ThreadPool()。它慢得多，大约120-140秒
删除DateField上的索引。比1.慢一点。

我正在使用MySQL 5.6社区版。存储引擎是MyISAM。这是配置。

[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。

bulk_create有什么问题吗？

更新1

虽然我接受了答案，但我想我应该理解这个谜。所以我做了一些测试，发现Django的模型创建是减速的根本原因。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空数据库表中，因此不需要进行检查。

现在我使用cursor.executemany()，它将800,000个4列记录的插入时间从54秒缩短到16秒。并将800000个13列记录的插入时间从13分钟缩短到46秒。

根据我的实验，您每3000-5000条记录就会调用executemany。我在一次通话中尝试了800k记录，这非常慢。

Answer 1

虽然bulk_create对于在处理HTML表单时保存少量记录很有用，但它并不适合保存数千条记录。正如您已经发现的那样，它很慢，因为它需要大量内存并向数据库发送一个非常大的查询。 Fortunatley LOAD DATA IN FILE来救援。

LOAD DATA INFILE语句将文本文件中的行读取到桌子以非常高的速度。 LOAD DATA INFILE是对的补充 SELECT ... INTO OUTFILE。

我们可以生成类似于使用csv writer生成的文件的文件，以下示例来自文档。

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

最后，正如您已经发现的那样，有时可以使用LOAD DATA ..的LOCAL选项。

LOCAL仅在您的服务器和客户端都已用时才有效配置为允许它

使用此选项时，无需手动将文件传输到服务器。您可以在客户端生成CSV文件，local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，则该文件必须位于服务器主机上并由服务器直接读取。

大量记录的bulk_create的最佳实践

更新1

1 个答案: