Pandas 数据帧插入到 SQL Server 中执行和执行多次耗时太长

如何解决Pandas 数据帧插入到 SQL Server 中执行和执行多次耗时太长

我有一个包含 27 列和约 45k 行的 Pandas 数据框，我需要将其插入到 SQL Server 表中。

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，这需要更长的时间才能完成，将近 120 分钟。

我真的在寻找更快的加载时间，因为我需要每天运行它。

解决方法

您可以在pyodbc本身中为版本>=4.0.19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 和数据框。

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)

请参阅此链接中的 fast_executemany。

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

,

我过去曾解决过这个问题，这是我使用 sqlalchemy 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,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

您应该能够创建上述所需的变量，但我可以通过以下方式获得 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.)')

,

你可以尝试使用pandas to_sql内置的'multi'方法。

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

multi 方法允许您“在单个 INSERT 子句中传递多个值”。根据文档。 我发现它非常有效。