Pandas 数据帧插入到 SQL 服务器执行和 executemany 花费的时间太长

Question

我有一个包含 27 列和 ~45k 行的 pandas 数据框，我需要将其插入 SQL 服务器 table。

我目前正在使用以下代码，插入需要 90 分钟：

conn = pyodbc.connect('Driver={ODBC Driver 17 for SQL Server};\
                   Server=@servername;\
                   Database=dbtest;\
                   Trusted_Connection=yes;')
cursor = conn.cursor()  #Create cursor



 for index, row in t6.iterrows():

    cursor.execute("insert into dbtest.dbo.test( col1, col2, col3, col4,col5,col6,col7,col8,col9,col10,col11,col12,col13,col14,,col27)\
                                                        values (?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?)",
                                                        row['col1'],row['col2'], row['col3'],,row['col27'])

我也尝试过使用 executemany 加载，但需要更长的时间才能完成，将近 120 分钟。

我真的想要更快的加载时间，因为我每天都需要运行。

Answer 1

我过去曾解决过这个问题，这是我使用 sqlalchemy.

可以让它工作的最快速度

import sqlalchemy as sa
engine = (sa.create_engine(f'mssql://@{server}/{database}
          ?trusted_connection=yes&driver={driver_name}', fast_executemany=True)) #windows authentication
df.to_sql('Daily_Report', con=engine, if_exists='append', index=False)

如果引擎不适合您，那么您可能有不同的设置，请参阅：https://docs.sqlalchemy.org/en/13/core/engines.html

您应该能够创建上面需要的变量，但这是我如何获得 driver:

driver_name = ''
driver_names = [x for x in pyodbc.drivers() if x.endswith(' for SQL Server')]
if driver_names:
    driver_name = driver_names[-1] #You may need to change the [-1] if wrong driver to [-2] or a different option in the driver_names list.
if driver_name:
    conn_str = f'''DRIVER={driver_name};SERVER='''
else:
    print('(No suitable driver found. Cannot connect.)')

Answer 2

对于>=4.0.19 的版本，您可以在pyodbc 本身中设置fast_executemany。默认关闭。

import pyodbc

server_name = 'localhost'
database_name = 'AdventureWorks2019'
table_name = 'MyTable'
driver = 'ODBC Driver 17 for SQL Server'

connection = pyodbc.connect(driver='{'+driver+'}', server=server_name, database=database_name, trusted_connection='yes') 

cursor = connection.cursor()

cursor.fast_executemany = True   # reduce number of calls to server on inserts

# form SQL statement
columns = ", ".join(df.columns)

values = '('+', '.join(['?']*len(df.columns))+')'
      
statement = "INSERT INTO "+table_name+" ("+columns+") VALUES "+values

# extract values from DataFrame into list of tuples
insert = [tuple(x) for x in df.values]

cursor.executemany(statement, insert)

或者如果您更喜欢直接使用 sqlalchemy 和数据帧。

import sqlalchemy as db

engine = db.create_engine('mssql+pyodbc://@'+server_name+'/'+database_name+'?trusted_connection=yes&driver='+driver, fast_executemany=True)

df.to_sql(table_name, engine, if_exists='append', index=False)

参见 fast_executemany 中的 link。

https://github.com/mkleehammer/pyodbc/wiki/Features-beyond-the-DB-API

Answer 3

你可以尝试使用pandasto_sql中内置的方法'multi'。

df.to_sql('table_name', con=engine, if_exists='replace', index=False, method='multi')

多方法允许您 'Pass multiple values in a single INSERT clause.' 每个文档。我发现它非常有效。

Pandas 数据帧插入到 SQL 服务器执行和 executemany 花费的时间太长

Pandas dataframe insert into SQL Server taking too long with execute and executemany

sql-server

pandas

pyodbc

execute