pyodbc/sqlAchemy 启用快速执行许多

Question

在回答我的问题How to speed up data wrangling A LOT in Python + Pandas + sqlAlchemy + MSSQL/T-SQL 时，@IljaEverilä亲切地指导我使用 pyODBC 的 fast_executemany加速 pandas.DataFrame.to_sql。

NB 出于测试目的，我只读取/写入 10k 行。

我添加了事件侦听器，并且 a) 调用了该函数，但是 b) 显然 executemany 未设置，因为 IF 失败且 cursor.fast_executemay 未设置。

def namedDbSqlAEngineCreate(dbName):
    # Create an engine and switch to the named db
    # returns the engine if successful and None if not
    # 2018-08-23 added fast_executemany accoding to this /sf/ask/3360458601/?rq=1
    engineStr = 'mssql+pyodbc://@' + defaultDSN
    engine = sqla.create_engine(engineStr, echo=False)

    @event.listens_for(engine, 'before_cursor_execute')
    def receive_before_cursor_execute(conn, cursor, statement, params, context, executemany):
        # print("FUNC call")
        if executemany:
            print('executemany')
            cursor.fast_executemany = True
    try:
        engine.execute('USE ' +dbName)
        return(engine)
    except sqla.exc.SQLAlchemyError as ex:
        if ex.orig.args[0] == '08004':
            print('namedDbSqlAEngineCreate:Database %s does not exist' % dbName)
        else:
            print(ex.args[0])
        return(None)

速度自然没有变化。

我原来问题中的代码在 to_sql 中没有变化

nasToFillDF.to_sql(name=tempTableName, con=engine.engine, if_exists='replace', chunksize=100, index=False)

因为我尝试过，根据示例，设置 chunksize = None 并收到错误消息（我之前遇到过）

(pyodbc.ProgrammingError) ('SQL 包含 -31072 个参数标记，但提供了 100000 个参数', 'HY000')

我做错了什么？我猜没有设置 receive_before_cursor_execute 的 executemany 参数，但如果这是答案，我不知道如何解决它。

安装程序是 pyodbc 4.0.23、sqlAchemy 1.2.6、Python 3.6.something

Answer 1

您收到的错误是由熊猫版本0.23.0中引入的更改，在0.23.1恢复引起的，并在0.24.0重新作为解释在这里。生成的 VALUES 子句包含 100,000 个参数标记，并且计数似乎存储在一个有符号的 16 位整数中，所以它溢出了，你会觉得很有趣

SQL 包含 -31072 个参数标记，但提供了 100000 个参数

您可以自行检查：

In [16]: 100000 % (2 ** 16) - 2 ** 16
Out[16]: -31072

如果您想继续按原样使用 Pandas，您必须计算并提供一个合适的chunksize值，例如您使用的 100，同时考虑到 VALUES 子句的最大行限制 1,000 和最大参数限制2,100 用于存储过程。详细信息在链接的 Q/A中再次解释。

在更改之前 Pandas 过去总是executemany()在插入数据时使用。较新的版本检测所使用的方言是否支持 INSERT 中的 VALUES 子句。这种检测发生在SQLTable.insert_statement()并且无法控制，这是一种耻辱，因为PyODBC修复了它们的executemany()性能，因为正确的标志是 enabled。

为了强制 Pandasexecutemany()再次与 PyODBC一起使用，SQLTable必须进行monkeypatched：

import pandas.io.sql

def insert_statement(self, data, conn):
    return self.table.insert(), data

pandas.io.sql.SQLTable.insert_statement = insert_statement

如果未设置标志，这将非常缓慢，Cursor.fast_executemany因此请记住设置正确的事件处理程序。

这是一个简单的性能比较，使用以下数据帧：

In [12]: df = pd.DataFrame({f'X{i}': range(1000000) for i in range(9)})

香草熊猫 0.24.0：

In [14]: %time df.to_sql('foo', engine, chunksize=209)
CPU times: user 2min 9s, sys: 2.16 s, total: 2min 11s
Wall time: 2min 26s

启用快速执行功能的 Monkeypatched Pandas：

In [10]: %time df.to_sql('foo', engine, chunksize=500000)
CPU times: user 12.2 s, sys: 981 ms, total: 13.2 s
Wall time: 38 s