- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我需要一些帮助来了解 Python 和 postgres 如何处理事务和批量插入,特别是在单个事务中插入多个数据集时。环境:
这是我的场景:我正在将一个数据库(oracle)中的数据转换为 xml 字符串,并将该数据插入到一个新数据库(postgres)中。这是一个大型数据集,因此我正在尝试优化我的一些插入内容。很多这些数据我正在考虑库类型对象,所以我有一个库表,然后是我的 xml 元数据和 xml 内容的表,这些数据的字段是数据库中的文本类型。我从 oracle 中提取数据,然后创建我需要插入的数据的字典。我有 3 个插入语句,第一个插入使用序列 id 在库表中创建一条记录,并且该 id 对于将 xml 插入元数据和内容表的下两个查询中的关系是必需的。这是我正在谈论的示例:
for inputKey in libDataDict.keys():
metaString = libDataDict[inputKey][0]
contentString = libDataDict[inputKey][1]
insertLibDataList.append({'objIdent':"%s" % inputKey, 'objName':"%s" % inputKey, objType':libType})
insertMetadataDataList.append({'objIdent':inputKey,'objMetadata':metaString})
insertContentDataList.append({'objIdent':inputKey, 'objContent':contentString})
dataDict['cmsLibInsert'] = insertLibDataList
dataDict['cmsLibMetadataInsert'] = insertMetadataDataList
dataDict['cmsLibContentInsert'] = insertContentDataList
sqlDict[0] = {'sqlString':"insert into cms_libraries (cms_library_ident, cms_library_name, cms_library_type_id, cms_library_status_id) \
values (%(objIdent)s, %(objName)s, (select id from cms_library_types where cms_library_type_name = %(objType)s), \
(select id from cms_library_status where cms_library_status_name = 'active'))", 'data':dataDict['cmsLibInsert']}
sqlDict[1] = {'sqlString':"insert into cms_library_metadata (cms_library_id, cms_library_metadata_data) values \
((select id from cms_libraries where cms_library_ident = %(objIdent)s), $$%(objMetadata)s$$)", \
'data':dataDict['cmsLibMetadataInsert']}
sqlDict[2] = {'sqlString':"insert into cms_library_content (cms_library_id, cms_library_content_data) values \
((select id from cms_libraries where cms_library_ident = %(objIdent)s), $$%(objContent)s$$)", \
'data':dataDict['cmsLibContentInsert']}
bulkLoadData(myConfig['pgConn'], myConfig['pgCursor'], sqlDict)
我遇到的问题是,当我运行第一个查询 (sqlDict[0]) 并执行插入时,一切正常,只要我在运行下两个查询之前将其分开并提交即可。理想情况下,我希望所有这些查询都在同一个事务中,但它失败了,因为它无法从 cms_libraries 表中找到第二个和第三个查询的 id。这是我当前的插入代码:
def bulkLoadData(dbConn, dbCursor, sqlDict):
try:
libInsertSql = sqlDict.pop(0)
dbSql = libInsertSql['sqlString']
data = libInsertSql['data']
dbCursor.executemany(dbSql, data)
dbConn.commit()
for sqlKey in sqlDict:
dbSql = sqlDict[sqlKey]['sqlString']
data = sqlDict[sqlKey]['data']
dbCursor.executemany(dbSql, data)
dbConn.commit()
之前我将值附加到查询中,然后为每个插入运行查询。当我这样做时,我可以将它们全部放在同一个事务中,它会找到生成的 ID,一切都很好。我不明白为什么当我用 executemany() 进行批量插入时它找不到 id?有没有办法在同一事务中执行批量插入和其他两个查询?
我一直在阅读此文档并搜索 stackoverflow 和互联网,但没有找到我的问题的答案: pyscopg docs以及postgres的: Postgresql string docs
如有任何帮助、建议或评论,我们将不胜感激。谢谢,米奇
最佳答案
这里有两个选择。要么在外部生成 ID(这允许您进行批量插入),要么从序列中生成它们(这意味着您必须进行单项插入)。我认为确定外部 ID 生成和批量加载非常简单(尽管我建议您看一下 ETL tool 而不是用 Python 手动编码)。如果您需要从序列中提取 ID,那么您应该考虑服务器端 prepared statements .
您的第一个语句应如下所示:
dbCursor.execute("""
PREPARE cms_lib_insert (bigint, text, text) AS
INSERT INTO cms_libraries (cms_library_ident, cms_library_name, cms_library_type_id, cms_library_status_id)
VALUES ($1, $2,
(select id from cms_library_types where cms_library_type_name = $3),
(select id from cms_library_status where cms_library_status_name = 'active')
)
RETURNING cms_library.id
""")
您将在启动时运行一次。然后,您需要在每个条目级别运行以下 EXECUTE 语句。
dbCursor.execute("""
EXECUTE cms_lib_insert(%(objIndent)s, %(objName)s, %(objType)s)
""", {'objIndent': 345, 'objName': 'foo', 'objType': 'bar'))
my_new_id = dbCursor.fetchone()[0]
这将返回生成的序列号。展望 future ,我强烈建议您摆脱目前正在尝试抽象数据库通信的模式(您的 sqlDict 方法)并采用非常直接的编码模式(聪明是您的敌人,它会提高性能更努力地调整)。
您需要将插入批处理成适合性能的 block 大小。这意味着根据您的实际行为调整 BLOCK_SIZE。您的代码应如下所示:
BLOCK_SIZE = 500
while not_done:
dbCursor.begin()
for junk in irange(BLOCK_SIZE):
dbCursor.execute("EXECUTE cms_lib_insert(...)")
cms_lib_id = dbCursor.fetchone()[0] # you're using this below.
dbCursor.executemany("EXECUTE metadata_insert(...)")
dbCursor.executemany("EXECUTE library_insert(...)")
dbCursor.commit()
如果您需要达到比这更高的性能水平,下一步是构建一个插入处理程序函数,该函数采用从属表的行数组。我不建议这样做,因为它很快就会成为维护的噩梦。
关于带有 postgres 的 Python 使用命名变量和批量插入,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7809431/
我有 512 行要插入到数据库中。我想知道提交多个插入内容是否比提交一个大插入内容有任何优势。例如 1x 512 行插入 -- INSERT INTO mydb.mytable (id, phonen
已经提出了类似的问题,但由于它总是取决于,我单独询问我的具体情况。 我有一个网站页面,显示来自数据库的一些数据,要从该数据库生成数据,我必须执行一些相当复杂的多连接查询。 数据每天(每晚)更新一次。
我正在使用 MongoDb 和 MySQL 的 python 连接器 pymongo 和 pymysql 测试 MongoDb 和 MySQL,特别是插入功能。 pymongo版本是3.4,pymys
从 C# 应用程序插入大型数组(10M 元素)的最快方法是什么? 到目前为止,我使用的是批量插入。 C# 应用程序生成一个大文本文件,我使用 BULK INSERT 命令加载它。出于好奇,我编写了一个
我编写了一个枚举类型,当我为它运行我创建的 JUnit 测试时会出现以下语法错误: java.lang.Error: Unresolved compilation problems: Synt
我正在尝试创建一个程序,它将单词列表作为输入,并将它们排序为二叉树,以便能够找到它们,例如像字典。这是我到目前为止所做的,但是 newEl -> el = input; 出现段错误,我知道这是因为它试
你好 我有编译这个问题 \begin{equation} J = \sum_{j=1}^{C} \end{equation} 我不断收到错误 missing $ inserted 这很奇怪,因
我需要使用 LINQ to SQL 将记录插入到没有主键的表中。 table 设计得很差;我无法控制表结构。该表由几个 varchar 字段、一个文本字段和一个时间戳组成。它用作其他实体的审计跟踪。
我正在尝试使用 itextsharp 创建 Pdf。我添加了一张包含两列的表格,其中一列包含文本和其他图像。我想要恒定的图像大小 如果另一个单元格中的文本增加并且其他单元格中的图像大小不同,我的图像会
我想把 calory 作为 fruits 的第一个值,我做不到,有人能帮忙吗? $sql = 'INSERT INTO fruits VALUES('', ?, ?, ?)'
我有一个包含季度观察结果的 data.frame。我现在想插入每月值(首选三次,线性很好)。中间目标应该是使用 DATE 创建一个 data.frame作为所有每月观察的索引和缺失值。 谷歌搜索表明我
我想知道是否有办法在值列表中使用“插入”。我正在尝试这样做: insert into tblMyTable (Col1, Col2, Col3) values('value1', value
我想让人们能够在他们的网站中插入单个 Javascript 行,这实际上允许我插入包含我网站内容的固定大小的 IFRAME。它实际上是一个小部件,允许他们搜索我的网站或接收其他信息。这可能吗? 最佳答
我有一个包含时间的表,列名为 time,数据类型为 Date。 在 asp.net 中,我想要一个查询插入日期,另一个查询则在 2 个日期之间进行选择。 我已经尝试过这个: string data =
这是我的代码: create or replace trigger th after insert on stock for each row declare sqty number;
这是一个带有具体示例的通用问题。 我有一个包含三个字段(流派 ID (PK IDENTITY)、流派和子流派)的表。该表对(流派,子流派)组合具有唯一约束。 我想知道如何修改存储过程以在表中不存在时插
因此,我正在遍历二叉树,节点包含字符串,以及读取文件时该字符串是否出现多次。我只查找读取文件时出现次数最多的前 10 个单词,因此本质上我只是比较 int 值。 我的问题是我正在尝试找出一种有效的方法
我有一张机票和行李 map , 每张门票必须是唯一的,并且必须与 map 上的位置相对应 是否可以仅更改行李(m_bagage->秒)而不更改 key ? std::unordered_map m_c
我正在使用 jdbc 驱动程序做一个示例项目。我的问题是,如果我在 2 文本字段中输入空值。 null 不应该加载到数据库中吗?有没有办法避免在数据库中插入空字段?任何帮助将不胜感激。 //Execu
我想知道 SSIS 中是否有特定的插入或更新选项。 如果我想让程序检查它是更新还是插入,我是否必须做一些编码?或者是否可以启用一个选项,以便它会自行检查 PK 是否存在,然后更新,否则插入? 亲切的问
我是一名优秀的程序员,十分优秀!