如何将 Pandas 数据框插入 SQL Server 同义词表

Question

总结

在 SQL Server 中，同义词通常用于将远程表抽象到当前数据库上下文中。普通的 DML 操作在这种结构上工作得很好，但 SQL Server 确实将同义词作为它们自己的对象类型与表分开跟踪。

我正在尝试利用 pandas DataFrame#to_sql 方法来促进加载同义词，虽然当表在数据库本地时它工作得很好，但它无法通过同义词找到表，而是尝试创建一个新的表与 DataFrame 的结构协调，这会导致对象名称冲突和不良行为。

通过源跟踪，pandas 似乎利用了dialect's has_table method，在这种情况下跟踪到SQL Alchemy's MSSQL dialect implementation，然后查询INFORMATION_SCHEMA.columns view 作为验证表是否存在的一种方式。

不幸的是，同义词表不会出现在像这样的INFORMATION_SCHEMA 视图中。在the answer for "How to find all column names of a synonym" 中，回答者提供了一种建立同义词列的技术，此处可能适用。

问题

是否有任何方法可以在DataFrame#to_sql 期间选择性地跳过表存在检查？如果没有，有什么方法可以强制 pandas 或 SQL Alchemy 识别同义词？我在 SO 上找不到任何类似的问题，git 也没有类似的问题。

Answer 1

我已经接受了我自己的答案，但如果有人有更好的技术将 DataFrames 加载到 SQL Server 同义词，请发布！

SQL Server 上的 SQL Alchemy 目前不支持同义词表，这意味着 DataFrame#to_sql 方法无法插入到同义词表中，必须采用另一种技术。

从 SQL Alchemy 1.2 开始，Oracle dialect supports Synonym/DBLINK Reflection，但没有类似的功能可用于 SQL Server，即使在 upcoming SQL Alchemy 1.4 release 上也是如此。

---

对于那些试图以不同方式解决此问题的人，如果您的情况符合以下标准：

• 您的目标同义词已在 ORM 中声明为表
• 表的列名与 DataFrame 中的列名匹配
• 表的列数据类型要么与 DataFrame 匹配，要么可以正确转换

您可以执行以下bulk_insert_mappings 操作，TargetTable 在 ORM 模型中定义您的目标，df 定义您的 DataFrame：

db.session.bulk_insert_mappings(
        TargetTable, df.to_dict('records')
)

另外，这也比DataFrame#to_sql 操作快得多！