使用 Python 将数据导入 SQL

Question

我需要将 30k 行数据从 CSV 文件导入 Vertica 数据库。我尝试过的代码需要一个多小时才能完成。我想知道是否有更快的方法来做到这一点？我尝试使用 csv 进行导入，也尝试通过循环插入数据帧来进行导入，但这还不够快。事实上，它太慢了。你能帮帮我吗？

rownum=df.shape[0]
for x in range(0,rownum):
 a=df['AccountName'].values[x]
 b=df['ID'].values[x]
 ss="INSERT INTO Table (AccountName,ID) VALUES (%s,%s)"
 val=(a,b)
 cur.execute(ss,val)

connection.commit()

Answer 1

您想使用COPY 命令 (COPY)。

COPY Table FROM '/path/to/csv/file.csv' DELIMITER ',';

这比一次插入每一行要快得多。

由于您使用的是 python，我会推荐 vertica_python 模块，因为它在其光标对象 (vertica-python GitHub page) 上有一个非常方便的复制方法。

在vertica-python中使用COPY的语法如下：

with open('file.csv', 'r') as file:
    csv_file = file.read()
    copy_cmd = "COPY Table FROM STDIN DELIMITER ','"
    cur.copy(copy_cmd, csv_file)
    connection.commit()

您可以做的另一件事是压缩 csv 文件以加快该过程。 Vertica 可以读取 gzip、bzip 和 lzo 压缩文件。

with open('file.csv.gz', 'r') as file:
    gzipped_csv_file = file.read()
    copy_cmd = "COPY Table FROM STDIN GZIP DELIMITER ','"
    cur.copy(copy_cmd, gzipped_csv_file)
    connection.commit()

复制压缩文件将减少网络时间。因此，您必须确定压缩 csv 文件所花费的额外时间是否可以弥补复制压缩文件所节省的时间。在我处理过的大多数情况下，压缩文件是值得的。