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

Question

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。 Trade 和 Symbol 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

Answer 1

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。