- 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?
我可能已经习惯了大数据技术,但是当我尝试插入约 300k 行以达到 30Mb 的总大小(作为 csv)时,我认为 15 分钟是用 Postgres 进行 INSERT 的可接受时间。
我首先了解到增加 GCP 上的总磁盘大小也会增加 IOPS,因此我将磁盘从 20Go 增加到 400Go。
然后环顾互联网,我发现了这篇文章:https://naysan.ca/2020/05/09/pandas-to-postgresql-using-psycopg2-bulk-insert-performance-benchmark/
我使用旧的 df.to_sql()
来插入我的数据(我疯了,对吧!)。我记得对于 MSSQL 驱动程序有一个类似 fast_executemany
的参数,但没有适合 psycopg2
的参数。
所以我尝试了文章中更快的方法,将 df 复制到内存中并写入数据库。通过所有这些升级(磁盘大小 + 代码优化),我从 30/35 分钟缩短到 ~15 分钟。
改进!但仍然在 ~1000s 左右
这里可能是什么问题?我的互联网连接非常好,所以瓶颈不在这里。
这是我正在做的一个例子:
import pandas as pd
import psycopg2
import time
from io import StringIO
if __name__ == '__main__':
startTime = time.time()
df = pd.read_gbq(
"SELECT * FROM dataset.defaut",
project_id="my_id_12345",
location="europe-west1"
)
executionTime = (time.time() - startTime)
print('Execution GBQ Read time in seconds: ' + str(executionTime))
df_qgis = df[
["voie", "direction", "date_mesure",
"dfo_id", "pk_ref", "type_defaut",
"niveau_ref", "val_ref", "longueur",
"pk_debut", "pk_fin", "pk", "pk_original"]]
param_dic = {
"host": "1.2.3.4",
"database": "qgis",
"user": "user",
"password": "y0lo123"
}
def connect(params_dic):
""" Connect to the PostgreSQL database server """
conn = None
try:
# connect to the PostgreSQL server
print('Connecting to the PostgreSQL database...')
conn = psycopg2.connect(**params_dic)
except (Exception, psycopg2.DatabaseError) as error:
print(error)
exit(1)
print("Connection successful")
return conn
conn = connect(param_dic)
def copy_from_stringio(conn, df, table):
"""
Here we are going save the dataframe on disk as
a csv file, load the csv file
and use copy_from() to copy it to the table
"""
# save dataframe to an in memory buffer
buffer = StringIO()
df.to_csv(buffer, index_label='id', header=False)
buffer.seek(0)
cursor = conn.cursor()
try:
cursor.copy_from(buffer, table, sep=",")
conn.commit()
except (Exception, psycopg2.DatabaseError) as error:
print("Error: %s" % error)
conn.rollback()
cursor.close()
return 1
print("copy_from_file() done")
cursor.close()
copy_from_stringio(conn, df_qgis, "develop.defaut")
executionTime = (time.time() - startTime)
print('Execution final time in seconds: ' + str(executionTime))
我定位的表本身:
CREATE TABLE IF NOT EXISTS public.defaut
(
id integer GENERATED ALWAYS AS IDENTITY,
voie varchar NOT NULL,
direction varchar NULL,
date_mesure varchar NOT NULL,
dfo_id int4 NOT NULL,
pk_ref varchar NOT NULL,
type_defaut varchar NOT NULL,
niveau_ref varchar NOT NULL,
val_ref float8 NOT NULL,
longueur float8 NULL,
pk_debut float8 NOT NULL,
pk_fin float8 NOT NULL,
pk float8 NOT NULL,
pk_original float8 NULL,
secteur varchar NULL,
date_sect2 varchar NULL
);
最佳答案
根据云SQL best practices , 以加快导入速度(对于小实例大小):
you can temporarily increase the tier of an instance to improveperformance when importing large datasets.
Here您可以找到 PostgreSQL 实例的示例机器类型。
如果这没有帮助,我建议您联系 GCP technical support使用他们的内部工具检查您的实例,看看它的任何资源是否耗尽。
关于python - Cloud SQL - Postgres - 插入速度非常慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64546542/
SQL、PL-SQL 和 T-SQL 之间有什么区别? 谁能解释一下这三者之间的区别,并提供每一个的相关使用场景? 最佳答案 SQL 是一种对集合进行操作的查询语言。 它或多或少是标准化的,几乎所有关
这个问题已经有答案了: What is the difference between SQL, PL-SQL and T-SQL? (6 个回答) 已关闭 9 年前。 我对 SQL 的了解足以完成我的
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列有一个默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任
我有一个可能属于以下类型的字符串 string expected result 15-th-rp 15 15/12-rp 12 15-12-th
很难说出这里问的是什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或言辞激烈,无法以目前的形式合理回答。如需帮助澄清此问题以便可以重新打开,visit the help center . 9年前关闭
我有一个存储过程(称为 sprocGetArticles),它从文章表中返回文章列表。这个存储过程没有任何参数。 用户可以对每篇文章发表评论,我将这些评论存储在由文章 ID 链接的评论表中。 有什么方
我目前正在做一个 *cough*Oracle*cough* 数据库主题。讲师介绍embedded SQL作为让其他语言(例如 C、C++)与(Oracle)数据库交互的方式。 我自己做了一些数据库工作
SQL Server 中 SQL 语句的最大长度是多少?这个长度是否取决于 SQL Server 的版本? 例如,在 DECLARE @SQLStatement NVARCHAR(MAX) = N'S
这个问题已经有答案了: Simple way to transpose columns and rows in SQL? (9 个回答) 已关闭 8 年前。 CallType
预先感谢您对此提供的任何帮助。 假设我有一个查询,可以比较跨年的数据,从某个任意年份开始,永无止境(进入 future ),每年同一时期直到最后一个完整的月份(其特点是一月数据永远不会显示至 2 月
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列的默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任何数
下面是我试图用来检查存储过程是否不存在然后创建过程的 sql。它会抛出一个错误:Incorrect syntax near the keyword 'PROCEDURE' IF NOT EXISTS
我有一个同事声称动态 SQL 在许多情况下比静态 SQL 执行得更快,所以我经常看到 DSQL 到处都是。除了明显的缺点,比如在运行之前无法检测到错误并且更难阅读,这是否准确?当我问他为什么一直使用
来自 lobodava 的动态 SQL 查询是: declare @sql nvarchar(4000) = N';with cteColumnts (ORDINAL_POSITION, CO
使用 SQL Server 中的存储过程执行动态 SQL 命令的现实优点和缺点是什么 EXEC (@SQL) 对比 EXEC SP_EXECUTESQL @SQL ? 最佳答案 sp_executes
我有这个有效的 SQL 查询: select sum(dbos.Points) as Points, dboseasons.Year from dbo.StatLines dbos i
我正在调试一些构建成功运行的 SQL 命令的代码。 然而,在查询结束时,查询结果似乎被写入了一个文本文件。 完整的查询如下 echo SELECT DATE,DATETABLE,DATE,APPDAT
我有一些创建表的 .sql 文件(MS SQL 数据库): 表_1.sql: IF OBJECT_ID (N'my_schema.table1', N'U') IS NOT NULL DROP TAB
我写了下面的 SQL 存储过程,它一直给我错误@pid = SELECT MAX(... 整个过程是: Alter PROCEDURE insert_partyco @pname varchar(20
我在 SQL Server 2005 中有包含两列 Fruit 和 Color 的表,如下所示 Fruit Colour Apple Red Orange
我是一名优秀的程序员,十分优秀!