c - 提高SQLite每秒INSERT的性能？

Question

优化SQLite是棘手的。 C应用程序的大容量插入性能可以从每秒85次插入到每秒超过96,000次插入！

背景：我们正在将SQLite用作桌面应用程序的一部分。我们将大量配置数据存储在XML文件中，这些文件会被解析并加载到SQLite数据库中，以便在初始化应用程序时进行进一步处理。 SQLite非常适合这种情况，因为它速度快，不需要专门的配置，并且数据库作为单个文件存储在磁盘上。

基本原理：最初，我对看到的性能感到失望。事实证明，取决于数据库的配置方式和使用API​​的方式，SQLite的性能可能会发生很大的变化（对于批量插入和选择）。弄清楚所有选项和技术是什么都不是一件容易的事，因此我认为创建此社区Wiki条目与Stack Overflow读者共享结果以节省其他人的麻烦是审慎的做法。

实验：我认为，最好是编写一些C代码并实际衡量各种选择的影响，而不是简单地讨论一般意义上的性能提示（即“使用事务！”）。我们将从一些简单的数据开始：


complete transit schedule for the city of Toronto的28 MB TAB分隔的文本文件（约865,000条记录）
我的测试计算机是运行Windows XP的3.60 GHz P4。
该代码在Visual C++ 2005中被编译为带有“完全优化”（/ Ox）和“优先快速代码”（/ Ot）的“发行版”。
我正在使用直接编译到测试应用程序中的SQLite“合并”。我刚好拥有的SQLite版本（3.6.7）有点旧，但是我怀疑这些结果将与最新版本相当（如果您另有意见，请发表评论）。


让我们写一些代码！

代码：一个简单的C程序，它逐行读取文本文件，将字符串拆分为值，然后将数据插入SQLite数据库。在此“基准”版本的代码中，创建了数据库，但实际上不会插入数据：

/*************************************************************
    Baseline code to experiment with SQLite performance.

    Input data is a 28 MB TAB-delimited text file of the
    complete Toronto Transit System schedule/route info
    from http://www.toronto.ca/open/datasets/ttc-routes/

**************************************************************/
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <string.h>
#include "sqlite3.h"

#define INPUTDATA "C:\\TTC_schedule_scheduleitem_10-27-2009.txt"
#define DATABASE "c:\\TTC_schedule_scheduleitem_10-27-2009.sqlite"
#define TABLE "CREATE TABLE IF NOT EXISTS TTC (id INTEGER PRIMARY KEY, Route_ID TEXT, Branch_Code TEXT, Version INTEGER, Stop INTEGER, Vehicle_Index INTEGER, Day Integer, Time TEXT)"
#define BUFFER_SIZE 256

int main(int argc, char **argv) {

    sqlite3 * db;
    sqlite3_stmt * stmt;
    char * sErrMsg = 0;
    char * tail = 0;
    int nRetCode;
    int n = 0;

    clock_t cStartClock;

    FILE * pFile;
    char sInputBuf [BUFFER_SIZE] = "\0";

    char * sRT = 0;  /* Route */
    char * sBR = 0;  /* Branch */
    char * sVR = 0;  /* Version */
    char * sST = 0;  /* Stop Number */
    char * sVI = 0;  /* Vehicle */
    char * sDT = 0;  /* Date */
    char * sTM = 0;  /* Time */

    char sSQL [BUFFER_SIZE] = "\0";

    /*********************************************/
    /* Open the Database and create the Schema */
    sqlite3_open(DATABASE, &db);
    sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);

    /*********************************************/
    /* Open input file and import into Database*/
    cStartClock = clock();

    pFile = fopen (INPUTDATA,"r");
    while (!feof(pFile)) {

        fgets (sInputBuf, BUFFER_SIZE, pFile);

        sRT = strtok (sInputBuf, "\t");     /* Get Route */
        sBR = strtok (NULL, "\t");            /* Get Branch */
        sVR = strtok (NULL, "\t");            /* Get Version */
        sST = strtok (NULL, "\t");            /* Get Stop Number */
        sVI = strtok (NULL, "\t");            /* Get Vehicle */
        sDT = strtok (NULL, "\t");            /* Get Date */
        sTM = strtok (NULL, "\t");            /* Get Time */

        /* ACTUAL INSERT WILL GO HERE */

        n++;
    }
    fclose (pFile);

    printf("Imported %d records in %4.2f seconds\n", n, (clock() - cStartClock) / (double)CLOCKS_PER_SEC);

    sqlite3_close(db);
    return 0;
}

“控制”

按原样运行代码实际上不会执行任何数据库操作，但是它将使我们了解原始C文件I / O和字符串处理操作的速度。


  在0.94中导入了864913个记录
  秒


大！如果我们实际上不执行任何插入操作，我们每秒可以完成920,000次插入操作：-)



“最坏情况”

我们将使用从文件读取的值生成SQL字符串，并使用sqlite3_exec调用该SQL操作：

sprintf(sSQL, "INSERT INTO TTC VALUES (NULL, '%s', '%s', '%s', '%s', '%s', '%s', '%s')", sRT, sBR, sVR, sST, sVI, sDT, sTM);
sqlite3_exec(db, sSQL, NULL, NULL, &sErrMsg);

这将很慢，因为对于每个插入，SQL都将被编译成VDBE代码，并且每个插入都将在其自己的事务中进行。有多慢


  在9933.61中导入了864913个记录
  秒


kes！ 2小时45分钟！每秒只有85次插入。

使用交易

默认情况下，SQLite将评估唯一事务中的每个INSERT / UPDATE语句。如果执行大量插入操作，建议将操作包装在事务中：

sqlite3_exec(db, "BEGIN TRANSACTION", NULL, NULL, &sErrMsg);

pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {

    ...

}
fclose (pFile);

sqlite3_exec(db, "END TRANSACTION", NULL, NULL, &sErrMsg);

  在38.03中导入了864913个记录
  秒


这样更好只需将所有插入物包装在一个事务中，就可以将性能提高到每秒23,000个插入物。

使用准备好的语句

使用事务是一个巨大的改进，但是如果我们反复使用相同的SQL，则为每个插入重新编译SQL语句是没有意义的。让我们使用 sqlite3_prepare_v2一次编译我们的SQL语句，然后使用 sqlite3_bind_text将我们的参数绑定到该语句：

/* Open input file and import into the database */
cStartClock = clock();

sprintf(sSQL, "INSERT INTO TTC VALUES (NULL, @RT, @BR, @VR, @ST, @VI, @DT, @TM)");
sqlite3_prepare_v2(db,  sSQL, BUFFER_SIZE, &stmt, &tail);

sqlite3_exec(db, "BEGIN TRANSACTION", NULL, NULL, &sErrMsg);

pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {

    fgets (sInputBuf, BUFFER_SIZE, pFile);

    sRT = strtok (sInputBuf, "\t");   /* Get Route */
    sBR = strtok (NULL, "\t");        /* Get Branch */
    sVR = strtok (NULL, "\t");        /* Get Version */
    sST = strtok (NULL, "\t");        /* Get Stop Number */
    sVI = strtok (NULL, "\t");        /* Get Vehicle */
    sDT = strtok (NULL, "\t");        /* Get Date */
    sTM = strtok (NULL, "\t");        /* Get Time */

    sqlite3_bind_text(stmt, 1, sRT, -1, SQLITE_TRANSIENT);
    sqlite3_bind_text(stmt, 2, sBR, -1, SQLITE_TRANSIENT);
    sqlite3_bind_text(stmt, 3, sVR, -1, SQLITE_TRANSIENT);
    sqlite3_bind_text(stmt, 4, sST, -1, SQLITE_TRANSIENT);
    sqlite3_bind_text(stmt, 5, sVI, -1, SQLITE_TRANSIENT);
    sqlite3_bind_text(stmt, 6, sDT, -1, SQLITE_TRANSIENT);
    sqlite3_bind_text(stmt, 7, sTM, -1, SQLITE_TRANSIENT);

    sqlite3_step(stmt);

    sqlite3_clear_bindings(stmt);
    sqlite3_reset(stmt);

    n++;
}
fclose (pFile);

sqlite3_exec(db, "END TRANSACTION", NULL, NULL, &sErrMsg);

printf("Imported %d records in %4.2f seconds\n", n, (clock() - cStartClock) / (double)CLOCKS_PER_SEC);

sqlite3_finalize(stmt);
sqlite3_close(db);

return 0;

  在16.27中导入了864913条记录
  秒


真好！还有更多代码（别忘了调用 sqlite3_clear_bindings和 sqlite3_reset），但是我们的性能提高了一倍以上，达到每秒53,000次插入。

PRAGMA同步= OFF

默认情况下，SQLite将在发出OS级写命令后暂停。这样可以确保将数据写入磁盘。通过设置 synchronous = OFF，我们指示SQLite只需将数据移交给OS进行写入，然后继续。如果计算机在将数据写入磁盘之前遭受灾难性崩溃（或电源故障），则数据库文件可能会损坏：

/* Open the database and create the schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA synchronous = OFF", NULL, NULL, &sErrMsg);

  在12.41中导入了864913条记录
  秒


现在，改进的幅度较小，但每秒最多可插入69,600次。

PRAGMA journal_mode =内存

考虑通过评估 PRAGMA journal_mode = MEMORY将回滚日志存储在内存中。您的事务将更快，但是如果在事务期间断电或程序崩溃，则数据库可能会因部分完成的事务而处于损坏状态：

/* Open the database and create the schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA journal_mode = MEMORY", NULL, NULL, &sErrMsg);

  在13.50中导入864913记录
  秒


每秒64,000次插入的速度比之前的优化稍慢。

PRAGMA同步= OFF和PRAGMA journal_mode = MEMORY

让我们结合前面的两个优化。风险更高（如果发生崩溃），但是我们只是在导入数据（不运行银行）：

/* Open the database and create the schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA synchronous = OFF", NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA journal_mode = MEMORY", NULL, NULL, &sErrMsg);

  在12.00导入了864913记录
  秒


太棒了！我们每秒能够完成72,000次插入。

使用内存数据库

只是为了振奋人心，让我们基于所有先前的优化并重新定义数据库文件名，以便我们完全在RAM中工作：

#define DATABASE ":memory:"

  在10.94中导入了864913条记录
  秒


将我们的数据库存储在RAM中并不是很实际，但是令人印象深刻的是，我们每秒可以执行79,000次插入。

重构C代码

尽管没有特别改进SQLite，但我不喜欢 char*循环中额外的 while赋值操作。让我们快速重构该代码，将 strtok()的输出直接传递到 sqlite3_bind_text()，然后让编译器尝试为我们加快速度：

pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {

    fgets (sInputBuf, BUFFER_SIZE, pFile);

    sqlite3_bind_text(stmt, 1, strtok (sInputBuf, "\t"), -1, SQLITE_TRANSIENT); /* Get Route */
    sqlite3_bind_text(stmt, 2, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT);    /* Get Branch */
    sqlite3_bind_text(stmt, 3, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT);    /* Get Version */
    sqlite3_bind_text(stmt, 4, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT);    /* Get Stop Number */
    sqlite3_bind_text(stmt, 5, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT);    /* Get Vehicle */
    sqlite3_bind_text(stmt, 6, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT);    /* Get Date */
    sqlite3_bind_text(stmt, 7, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT);    /* Get Time */

    sqlite3_step(stmt);        /* Execute the SQL Statement */
    sqlite3_clear_bindings(stmt);    /* Clear bindings */
    sqlite3_reset(stmt);        /* Reset VDBE */

    n++;
}
fclose (pFile);

注意：我们将回到使用真实的数据库文件。内存数据库速度很快，但不一定实用


  在8.94中导入了864913个记录
  秒


稍微重构参数绑定中使用的字符串处理代码，就可以每秒执行96,700次插入。我认为可以肯定地说这非常快。当我们开始调整其他变量（即页面大小，索引创建等）时，这将成为我们的基准。



摘要（到目前为止）

我希望你仍然和我在一起！我们开始这条路的原因是，使用SQLite进行大容量插入的性能变化如此之大，并不一定总是需要进行哪些更改以加快操作速度。使用相同的编译器（和编译器选项），相同版本的SQLite和相同数据，我们优化了代码，并优化了SQLite的使用，使其从最坏的情况下每秒85次插入变为每秒超过96,000次插入！



先创建索引，然后插入VS.插入，然后创建索引

在开始衡量 SELECT性能之前，我们知道我们将创建索引。在下面的答案之一中，建议进行大容量插入时，插入数据后创建索引的速度更快（与先创建索引然后插入数据相反）。咱们试试吧：

创建索引然后插入数据

sqlite3_exec(db, "CREATE  INDEX 'TTC_Stop_Index' ON 'TTC' ('Stop')", NULL, NULL, &sErrMsg);
sqlite3_exec(db, "BEGIN TRANSACTION", NULL, NULL, &sErrMsg);
...

  在18.13中导入了864913条记录
  秒


插入数据然后创建索引

...
sqlite3_exec(db, "END TRANSACTION", NULL, NULL, &sErrMsg);
sqlite3_exec(db, "CREATE  INDEX 'TTC_Stop_Index' ON 'TTC' ('Stop')", NULL, NULL, &sErrMsg);

  在13.66中导入了864913条记录
  秒


不出所料，如果对一列进行索引，则大容量插入会较慢，但是如果在插入数据后创建索引，则确实会有所不同。我们的无索引基准是每秒96,000次插入。首先创建索引，然后插入数据，每秒可提供47,700次插入，而先创建数据，然后创建索引，则可提供每秒63,300次插入。



我很乐意为其他情况提供建议以尝试...，并将很快为SELECT查询编译类似的数据。

Answer 1

几点提示：


将插入/更新放入事务中。
对于旧版本的SQLite-考虑使用较少偏执的日记模式（pragma journal_mode）。有NORMAL，然后有OFF，如果您不太担心如果操作系统崩溃，数据库可能会损坏，则可以显着提高插入速度。如果您的应用程序崩溃，数据应该没问题。请注意，在较新的版本中，OFF/MEMORY设置对于应用程序级崩溃不安全。
播放页面大小也会有所不同（PRAGMA page_size）。由于较大的页面保留在内存中，因此具有较大的页面大小可以使读取和写入的速度更快。请注意，更多的内存将用于您的数据库。
如果有索引，请在完成所有插入操作后考虑调用CREATE INDEX。这比创建索引然后进行插入要快得多。
如果您可以同时访问SQLite，则必须非常小心，因为写入完成后整个数据库将被锁定，尽管可能有多个读取器，但写入将被锁定。通过在较新的SQLite版本中添加WAL，对此进行了一些改进。
利用节省空间的优势...较小的数据库运行速度更快。例如，如果您具有键值对，请尝试尽可能将键设置为INTEGER PRIMARY KEY，它将替换表中隐含的唯一行号列。
如果使用多个线程，则可以尝试使用shared page cache，这将允许在线程之间共享已加载的页面，从而避免了昂贵的I / O调用。
Don't use !feof(file)!


我也问过类似的问题here和here。