python - 在数据库中存储 700 万个键的 python 字典

Question

我必须处理 700 万个键的字典(键的数量最终可能达到约 5000 万)。由于我几乎没有足够的 ram 来将它保存在内存中，所以我决定存储它。

我的字典是这样的:

dictionary={(int1,int2):int3,...}

首先，我尝试使用 sqlite3 将其存储在 sqlite 数据库中。存储它所需的时间完全可以(大约 70 秒)。使用 timeit:

>>>import sqlite3
>>>conn=sqlite3.connect('test_sqlite.sqlite')
>>>c=conn.cursor()
>>>c.execute('create table test (int1 int, int2 int, int3 int)')
>>>conn.commit()
>>>conn.close()
>>>import timeit
>>>timeit.timeit('c.executemany("insert into test values (?,?,?)",((key[0],key[1],dictionary[key]) for key in dictionary.iterkeys())),setup='import sqlite3;conn=sqlite3.connect("test_sqlite.sqlite");c=conn.cursor();dictionary={(i,i+1):i+2 for i in xrange(7000000)}',number=1)
70.7033872604

但是，我需要使用这个存储的字典来检索某些值，但每个 SELECT 似乎需要大约 1.5 秒。由于我需要访问大约一百万个值，这令人沮丧:

>>>timeit.timeit('c.execute("select id1 from test where id2=={}".format(value)).fetchone()[0]',setup=import sqlite3;conn=sqlite3.connect("test_sqlite.sqlite");c=conn.cursor();value=5555',number=1)
1.5300869941711426

然后我尝试在书架上更新我的词典。现在在我搁置的字典中获取值的时间相当长:

>>> timeit.timeit('a=f[key]',setup='import shelve;f=shelve.open("test_timeit","r");key="1000"',number=10000)
0.320019006729126

所以即使我做了几百万个像这样的请求，总时间应该在一百秒左右。

但是出现了一个新问题，现在将我的字典放在架子上所需的时间并不能满足我。

>>> timeit.timeit('f.update(dictio)',setup='import shelve;f=shelve.open("test_timeit","c");dictio={"({},{})".format(i,i+1):i+2 for i in xrange(7000000)}',number=1)
504.728841782

必须在这个数量上加上将以前的键(元组)转换为字符串所需的额外时间。使用代表:

>>>timeit.timeit('repr.repr((1,2))',setup='import repr',number=7000000)
61.6035461426

这使得我的词典更新成书架总共566.332387924 ...

我不想 pickle 我的字典，因为这意味着如果我以后要使用它，我必须加载整个字典。

有什么方法可以改进这两种方法中的一种，以获得更好的访问时间/加载时间？

感谢您的帮助!

Answer 1

为了快速返回像这样的大型表的查询，您需要为相关列建立索引。在您的情况下，我会将其添加为主键。

create table test (
    Int1 integer,
    Int2 integer,
    Int3 integer,
    Primary key (int1, int2)
)