大量记录的bulk_create的最佳实践

Question

我bulk_create用来将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:

1. 使用正确的batch_size.对我来说最好的价值大约是4000.它需要80-90秒.
2. 用一个ThreadPool().它慢得多,大约120-140秒
3. 删除索引DateField.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),它需要15分钟.时间增加不是线性的.

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,因此不需要检查.

现在我使用cursor.executemany(),它将800000 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,你需要executemany每3000-5000条记录.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非常大的查询。Fortunatley LOAD DATA IN FILE来救援。

LOAD DATA INFILE 语句以非常高的速度将文本文件中的行读取到表中。LOAD DATA INFILE 是 SELECT ... INTO OUTFILE 的补充。

我们可以生成一个类似于使用csv writer生成的文件，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 选项以方便起见。

LOCAL 仅在您的服务器和客户端都已配置为允许时才有效

使用此选项时，不需要手动将文件传输到服务器。您可以在客户端生成 CSV 文件，本地选项将导致 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。