gpt4 book ai didi

c# - 通过 EF Core 将 1.3GB CSV 文件导入 sqlite

转载 作者:行者123 更新时间:2023-12-01 23:09:19 32 4
gpt4 key购买 nike

CSV 文件

我有一个大小约为 1.3 GB 的 CSV 文件:

Mode                 LastWriteTime         Length Name
---- ------------- ------ ----
-a---- 10/4/2021 1:23 PM 1397998768 XBTUSD.csv

这是 Kraken 交易所比特币交易数据的完整列表。

CSV 中的数据如下所示:

> Get-Content .\XBTUSD.csv | Select-Object -First 10
1381095255,122.00000,0.10000000
1381179030,123.61000,0.10000000
1381201115,123.91000,1.00000000
1381201115,123.90000,0.99160000
1381210004,124.19000,1.00000000
1381210004,124.18000,1.00000000
1381311039,124.01687,1.00000000
1381311093,124.01687,1.00000000
1381311094,123.84000,0.82300000
1381431835,125.85000,1.00000000

有关该文件的更多信息可在此处获得:

https://support.kraken.com/hc/en-us/articles/360047543791-Downloadable-historical-market-data-time-and-sales

文件可以从这里下载:

https://drive.google.com/drive/folders/1jI3mZvrPbInNAEaIOoMbWvFfgRDZ44TT

请参阅文件 XBT.zip。该存档内是 XBTUSD.csv

基线测试——直接导入sqlite

如果我在 sqlite 中创建下表:

CREATE TABLE CsvTrades (
"TimeStamp" TEXT NOT NULL,
"Price" TEXT NOT NULL,
"Volume" TEXT NOT NULL
);

并运行以下命令导入 CSV(以及需要多长时间):

$a = Get-Date

sqlite3.exe .\kraken-trades.db -cmd '.mode csv' '.import C:/Users/dharm/XBTUSD.csv CsvTrades'

$b = Get-Date

($b - $a).TotalMinutes

我得到以下信息:

1.56595191666667

1.5 分钟。不错!

使用 EF 核心

在下面的代码中,我使用了 CsvHelper 包:

https://joshclose.github.io/CsvHelper/getting-started/

这是 CSV 文件行的类:

public class CsvRow
{
[CsvHelper.Configuration.Attributes.Index(0)]
public long TimeStamp { get; set; }

[CsvHelper.Configuration.Attributes.Index(1)]
public decimal Price { get; set; }

[CsvHelper.Configuration.Attributes.Index(2)]
public decimal Quantity { get; set; }
}

这是 Trade 实体的类:

[Index(nameof(TimeStamp))]
public class Trade
{
public int Id { get; set; }
public decimal Price { get; set; }
public decimal Quantity { get; set; }
public DateTime TimeStamp { get; set; }
}

DbContext 很简单:

public class AppContext : DbContext
{
public DbSet<Trade> Trades { get; set; }

protected override void OnConfiguring(DbContextOptionsBuilder optionsBuilder)
{
var folder = Environment.SpecialFolder.LocalApplicationData;

var path = Environment.GetFolderPath(folder);

var db_path = $"{path}{System.IO.Path.DirectorySeparatorChar}kraken-trades.db";

optionsBuilder.UseSqlite($"Data Source={db_path}");
}
}

最后,执行导入的函数:

void initialize_from_csv()
{
var config = new CsvConfiguration(CultureInfo.InvariantCulture)
{
HasHeaderRecord = false
};

using (var reader = new StreamReader(@"C:\Users\dharm\XBTUSD.csv"))
using (var csv = new CsvReader(reader, config))
{
var records = csv.GetRecords<CsvRow>().Select(row => new Trade()
{
Price = row.Price,
Quantity = row.Quantity,
TimeStamp = DateTimeOffset.FromUnixTimeSeconds(row.TimeStamp).UtcDateTime
});

using (var db = new AppContext())
{
Console.WriteLine(DateTime.Now);

while (true)
{
//var items = records.Take(10_000).ToList();

var items = records.Take(100_000).ToList();

if (items.Any() == false) break;

Console.WriteLine("{0:yyyy-MM-dd}", items[0].TimeStamp);

db.AddRange(items);
db.SaveChanges();
}

Console.WriteLine(DateTime.Now);
}
}
}

问题

当我让它运行时,它确实会继续将项目添加到数据库中。但是,它很慢;我没有计时完成,但我可以看到它需要一个多小时。

在仍然使用 EF Core 的情况下,有什么好的方法可以加快速度吗?

注意事项

上面引用的代码在一个文件中可用:

https://github.com/dharmatech/kraken-trades-database/blob/003-minimal/KrakenTradesDatabase/Program.cs

这是一个 .NET 6 项目。如果您在构建和运行它时遇到任何问题,请告诉我。

时间

我添加了一些代码来为批量添加计时。看起来每 100,000 条记录大约需要 7 秒。

Starting batch at 2013-10-06. Batch took 00:00:08.7689932.
Starting batch at 2015-12-08. Batch took 00:00:06.7453421.
Starting batch at 2016-04-19. Batch took 00:00:06.7833506.
Starting batch at 2016-06-25. Batch took 00:00:06.7083806.
Starting batch at 2016-08-22. Batch took 00:00:06.7826717.
Starting batch at 2016-11-20. Batch took 00:00:06.4212123.

wc 表示有 41,695,261 行:

$ wc -l XBTUSD.csv
41695261 XBTUSD.csv

所以按照这个速度,大约需要 48 分钟。

为什么选择 EF Core?

有人问,为什么要用 EF Core?为什么不直接导入?

上面的示例被有意简化以关注导入速度。

我有更详细的版本,其中与其他实体有关系。在那种情况下:

  • 使用 EF Core 可以更直接地设置其他表和外键属性。

  • 我可以更轻松地在数据库后端(SQL Server、PostgreSQL、sqlite)之间切换。

例如,请参阅此分支,其中导入了多个符号。 TradeSymbol 之间存在关系。也可能存在其他关系。

https://github.com/dharmatech/kraken-trades-database/blob/006/KrakenTradesDatabase/Program.cs

最佳答案

EFCore.BulkExtensions

使用以下内容:

https://github.com/borisdj/EFCore.BulkExtensions

然后改变这一行:

db.AddRange(items);

到:

db.BulkInsert(items);

使导入时间从 48 分钟缩短到 5.7 分钟。

此版本的项目可在此处获得:

https://github.com/dharmatech/kraken-trades-database/blob/004-bulk-extensions/KrakenTradesDatabase/Program.cs

谢谢

感谢 Caius Jard 在上面的评论中建议 EFCore.BulkExtensions

关于c# - 通过 EF Core 将 1.3GB CSV 文件导入 sqlite,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/70207939/

32 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com