psycopg2: wstaw wiele wierszy za pomocą jednego zapytania

Muszę wstawić wiele wierszy za pomocą jednego zapytania (liczba wierszy nie jest stała), więc muszę wykonać zapytanie takie jak to:

INSERT INTO t (a, b) VALUES (1, 2), (3, 4), (5, 6);

Znam tylko jeden sposób

args = [(1,2), (3,4), (5,6)]
args_str = ','.join(cursor.mogrify("%s", (x, )) for x in args)
cursor.execute("INSERT INTO t (a, b) VALUES "+args_str)

ale ja chcę prostszego sposobu.

Zbudowałem program, który wstawia wiele wierszy do serwera znajdującego się w innym mieście.

Dowiedziałem się, że użycie tej metody było około 10 razy szybsze niż executemany. W moim przypadku tupjest to krotka zawierająca około 2000 wierszy. Przy użyciu tej metody zajęło to około 10 sekund:

args_str = ','.join(cur.mogrify("(%s,%s,%s,%s,%s,%s,%s,%s,%s)", x) for x in tup)
cur.execute("INSERT INTO table VALUES " + args_str) 

i 2 minuty przy użyciu tej metody:

cur.executemany("INSERT INTO table VALUES(%s,%s,%s,%s,%s,%s,%s,%s,%s)", tup)

Nowa execute_valuesmetoda w Psycopg 2.7:

data = [(1,'x'), (2,'y')]
insert_query = 'insert into t (a, b) values %s'
psycopg2.extras.execute_values (
    cursor, insert_query, data, template=None, page_size=100
)

Pythonowy sposób na zrobienie tego w Psycopg 2.6:

data = [(1,'x'), (2,'y')]
records_list_template = ','.join(['%s'] * len(data))
insert_query = 'insert into t (a, b) values {}'.format(records_list_template)
cursor.execute(insert_query, data)

Objaśnienie: Jeśli dane do wstawienia są podane jako lista krotek, jak w

data = [(1,'x'), (2,'y')]

to jest już w dokładnie wymaganym formacie, jak

1. valuesskładnia insertklauzuli spodziewa listę rekordów, jak w

   insert into t (a, b) values (1, 'x'),(2, 'y')

2. Psycopgdostosowuje Pythona tupledo Postgresql record.

Jedyną konieczną pracą jest dostarczenie szablonu listy rekordów do wypełnienia przez psycopg

# We use the data list to be sure of the template length
records_list_template = ','.join(['%s'] * len(data))

i umieść go w insertzapytaniu

insert_query = 'insert into t (a, b) values {}'.format(records_list_template)

Drukowanie insert_querywyników

insert into t (a, b) values %s,%s

Teraz do zwykłego Psycopgpodstawiania argumentów

cursor.execute(insert_query, data)

Lub po prostu testowanie tego, co zostanie wysłane na serwer

print (cursor.mogrify(insert_query, data).decode('utf8'))

Wynik:

insert into t (a, b) values (1, 'x'),(2, 'y')

Aktualizacja za pomocą psycopg2 2.7:

Wersja klasyczna executemany()jest około 60 razy wolniejsza niż implementacja @ ant32 (zwana „złożoną”), jak wyjaśniono w tym wątku: https://www.postgresql.org/message-id/20170130215151.GA7081%40deb76.aryehleib.com

Ta implementacja została dodana do psycopg2 w wersji 2.7 i nazywa się execute_values():

from psycopg2.extras import execute_values
execute_values(cur,
    "INSERT INTO test (id, v1, v2) VALUES %s",
    [(1, 2, 3), (4, 5, 6), (7, 8, 9)])

Poprzednia odpowiedź:

Aby wstawić wiele wierszy, użycie VALUESskładni multirow z execute()jest około 10x szybsze niż użycie psycopg2 executemany(). Rzeczywiście, executemany()po prostu uruchamia wiele indywidualnych INSERTinstrukcji.

Kod @ ant32 działa doskonale w Pythonie 2. Ale w Pythonie 3 cursor.mogrify()zwraca bajty, cursor.execute()pobiera bajty lub łańcuchy i ','.join()oczekuje strwystąpienia.

Dlatego w Pythonie 3 może zajść potrzeba zmodyfikowania kodu @ ant32, dodając .decode('utf-8'):

args_str = ','.join(cur.mogrify("(%s,%s,%s,%s,%s,%s,%s,%s,%s)", x).decode('utf-8') for x in tup)
cur.execute("INSERT INTO table VALUES " + args_str)

Lub używając tylko bajtów (z b''lub b""):

args_bytes = b','.join(cur.mogrify("(%s,%s,%s,%s,%s,%s,%s,%s,%s)", x) for x in tup)
cur.execute(b"INSERT INTO table VALUES " + args_bytes) 

kursor.copy_from to zdecydowanie najszybsze rozwiązanie, jakie znalazłem dla wstawiania zbiorczego. Oto streszczenie, które stworzyłem, zawierające klasę o nazwie IteratorFile, która umożliwia iteratorowi, który generuje ciągi, odczytywanie jak pliku. Możemy przekonwertować każdy rekord wejściowy na łańcuch za pomocą wyrażenia generatora. Więc rozwiązaniem byłoby

args = [(1,2), (3,4), (5,6)]
f = IteratorFile(("{}\t{}".format(x[0], x[1]) for x in args))
cursor.copy_from(f, 'table_name', columns=('a', 'b'))

W przypadku tego trywialnego rozmiaru argumentów nie spowoduje to dużej różnicy w szybkości, ale widzę duże przyspieszenia w przypadku tysięcy + wierszy. Będzie to również bardziej wydajne w pamięci niż tworzenie gigantycznego ciągu zapytania. Iterator może przechowywać tylko jeden rekord wejściowy w pamięci naraz, gdzie w pewnym momencie zabraknie pamięci w procesie Pythona lub w Postgres, budując ciąg zapytania.

Fragment ze strony samouczka Psycopg2 na Postgresql.org (patrz na dole) :

Ostatnią rzeczą, którą chciałbym wam pokazać, jest wstawianie wielu wierszy za pomocą słownika. Gdybyś miał:

namedict = ({"first_name":"Joshua", "last_name":"Drake"},
            {"first_name":"Steven", "last_name":"Foo"},
            {"first_name":"David", "last_name":"Bar"})

Możesz łatwo wstawić wszystkie trzy wiersze w słowniku, używając:

cur = conn.cursor()
cur.executemany("""INSERT INTO bar(first_name,last_name) VALUES (%(first_name)s, %(last_name)s)""", namedict)

Nie oszczędza dużo kodu, ale zdecydowanie wygląda lepiej.

Wszystkie te techniki w terminologii Postgres nazywane są „Extended Inserts”, a od 24 listopada 2016 r. Są one wciąż o tonę szybsze niż executemany () psychopg2 i wszystkie inne metody wymienione w tym wątku (które wypróbowałem przed przejściem do tego odpowiedź).

Oto kod, który nie używa cur.mogrify i jest przyjemny i prosty do zrozumienia:

valueSQL = [ '%s', '%s', '%s', ... ] # as many as you have columns.
sqlrows = []
rowsPerInsert = 3 # more means faster, but with diminishing returns..
for row in getSomeData:
        # row == [1, 'a', 'yolo', ... ]
        sqlrows += row
        if ( len(sqlrows)/len(valueSQL) ) % rowsPerInsert == 0:
                # sqlrows == [ 1, 'a', 'yolo', 2, 'b', 'swag', 3, 'c', 'selfie' ]
                insertSQL = 'INSERT INTO "twitter" VALUES ' + ','.join(['(' + ','.join(valueSQL) + ')']*rowsPerInsert)
                cur.execute(insertSQL, sqlrows)
                con.commit()
                sqlrows = []
insertSQL = 'INSERT INTO "twitter" VALUES ' + ','.join(['(' + ','.join(valueSQL) + ')']*len(sqlrows))
cur.execute(insertSQL, sqlrows)
con.commit()

Ale należy zauważyć, że jeśli możesz użyć copy_from (), powinieneś użyć copy_from;)

Od kilku lat korzystam z powyższej odpowiedzi ant32. Jednak odkryłem, że jest to błąd w Pythonie 3, ponieważ mogrifyzwraca ciąg bajtów.

Konwersja jawna do ciągów bajtowych jest prostym rozwiązaniem umożliwiającym dostosowanie kodu do języka Python 3.

args_str = b','.join(cur.mogrify("(%s,%s,%s,%s,%s,%s,%s,%s,%s)", x) for x in tup) 
cur.execute(b"INSERT INTO table VALUES " + args_str)

Innym przyjemnym i wydajnym podejściem jest przekazywanie wierszy do wstawienia jako 1 argument, czyli tablica obiektów json.

Np. Przekazujesz argument:

[ {id: 18, score: 1}, { id: 19, score: 5} ]

Jest to tablica, która może zawierać dowolną ilość obiektów wewnątrz. Wtedy twój SQL wygląda tak:

INSERT INTO links (parent_id, child_id, score) 
SELECT 123, (r->>'id')::int, (r->>'score')::int 
FROM unnest($1::json[]) as r 

Uwaga: Twój postgress musi być wystarczająco nowy, aby obsługiwał json

Rozwiązanie kursor.copyfrom dostarczone przez @ jopseph.sheedy ( https://stackoverflow.com/users/958118/joseph-sheedy ) powyżej ( https://stackoverflow.com/a/30721460/11100064 ) jest rzeczywiście błyskawiczne.

Jednak podany przez niego przykład nie jest generalnie użyteczny dla rekordu z dowolną liczbą pól i zajęło mi trochę czasu, aby dowiedzieć się, jak go poprawnie użyć.

IteratorFile musi być rutworzony z polami oddzielonymi tabulatorami, takimi jak to ( jest to lista dykt, gdzie każdy dykt jest rekordem):

    f = IteratorFile("{0}\t{1}\t{2}\t{3}\t{4}".format(r["id"],
        r["type"],
        r["item"],
        r["month"],
        r["revenue"]) for r in records)

Aby uogólnić dla dowolnej liczby pól, najpierw utworzymy ciąg linii z odpowiednią liczbą tabulatorów i symboli zastępczych: "{}\t{}\t{}....\t{}"a następnie użyjemy .format()do wypełnienia wartości pól *list(r.values())) for r in records:

        line = "\t".join(["{}"] * len(records[0]))

        f = IteratorFile(line.format(*list(r.values())) for r in records)

pełna funkcja w skrócie tutaj .

Jeśli używasz SQLAlchemy, nie musisz mieszać z ręcznym tworzeniem ciągu, ponieważ SQLAlchemy obsługuje generowanie wielowierszowej VALUESklauzuli dla pojedynczej INSERTinstrukcji :

rows = []
for i, name in enumerate(rawdata):
    row = {
        'id': i,
        'name': name,
        'valid': True,
    }
    rows.append(row)
if len(rows) > 0:  # INSERT fails if no rows
    insert_query = SQLAlchemyModelName.__table__.insert().values(rows)
    session.execute(insert_query)

execute_batch zostało dodane do psycopg2 od czasu wysłania tego pytania.

Jest wolniejszy niż execute_values, ale prostszy w użyciu.

executemany akceptuje tablicę krotek

https://www.postgresqltutorial.com/postgresql-python/insert/

    """ array of tuples """
    vendor_list = [(value1,)]

    """ insert multiple vendors into the vendors table  """
    sql = "INSERT INTO vendors(vendor_name) VALUES(%s)"
    conn = None
    try:
        # read database configuration
        params = config()
        # connect to the PostgreSQL database
        conn = psycopg2.connect(**params)
        # create a new cursor
        cur = conn.cursor()
        # execute the INSERT statement
        cur.executemany(sql,vendor_list)
        # commit the changes to the database
        conn.commit()
        # close communication with the database
        cur.close()
    except (Exception, psycopg2.DatabaseError) as error:
        print(error)
    finally:
        if conn is not None:
            conn.close()

Jeśli chcesz wstawić wiele wierszy w ramach jednej statystyki wstawiania (zakładając, że nie używasz ORM), najłatwiejszym sposobem byłoby dla mnie jak dotąd użycie listy słowników. Oto przykład:

 t = [{'id':1, 'start_date': '2015-07-19 00:00:00', 'end_date': '2015-07-20 00:00:00', 'campaignid': 6},
      {'id':2, 'start_date': '2015-07-19 00:00:00', 'end_date': '2015-07-20 00:00:00', 'campaignid': 7},
      {'id':3, 'start_date': '2015-07-19 00:00:00', 'end_date': '2015-07-20 00:00:00', 'campaignid': 8}]

conn.execute("insert into campaign_dates
             (id, start_date, end_date, campaignid) 
              values (%(id)s, %(start_date)s, %(end_date)s, %(campaignid)s);",
             t)

Jak widać, zostanie wykonane tylko jedno zapytanie:

INFO sqlalchemy.engine.base.Engine insert into campaign_dates (id, start_date, end_date, campaignid) values (%(id)s, %(start_date)s, %(end_date)s, %(campaignid)s);
INFO sqlalchemy.engine.base.Engine [{'campaignid': 6, 'id': 1, 'end_date': '2015-07-20 00:00:00', 'start_date': '2015-07-19 00:00:00'}, {'campaignid': 7, 'id': 2, 'end_date': '2015-07-20 00:00:00', 'start_date': '2015-07-19 00:00:00'}, {'campaignid': 8, 'id': 3, 'end_date': '2015-07-20 00:00:00', 'start_date': '2015-07-19 00:00:00'}]
INFO sqlalchemy.engine.base.Engine COMMIT

Korzystanie z aiopg - poniższy fragment działa doskonale

    # items = [10, 11, 12, 13]
    # group = 1
    tup = [(gid, pid) for pid in items]
    args_str = ",".join([str(s) for s in tup])
    # insert into group values (1, 10), (1, 11), (1, 12), (1, 13)
    yield from cur.execute("INSERT INTO group VALUES " + args_str)

Wreszcie w wersji SQLalchemy1.2, ta nowa implementacja jest dodawana do używania psycopg2.extras.execute_batch () zamiast executemany podczas inicjalizacji silnika za pomocą use_batch_mode = True, na przykład:

engine = create_engine(
    "postgresql+psycopg2://scott:tiger@host/dbname",
    use_batch_mode=True)

http://docs.sqlalchemy.org/en/latest/changelog/migration_12.html#change-4109

Wtedy ktoś musiałby używać SQLalchmey, nie zawracałby sobie głowy próbowaniem różnych kombinacji sqla i psycopg2 oraz bezpośredniego SQL.