开发者社区> 行者武松> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

让Python更加充分的使用Sqlite3

简介:
+关注继续查看

我最近在涉及大量数据处理的项目中频繁使用 sqlite3。我最初的尝试根本不涉及任何数据库,所有的数据都将保存在内存中,包括字典查找、迭代和条件等查询。这很好,但可以放入内存的只有那么多,并且将数据从磁盘重新生成或加载到内存是一个繁琐又耗时的过程。

我决定试一试sqlite3。 因为只需打开与数据库的连接, 这样可以增加可处理的数据量,并将应用程序的加载时间减少到零。此外,我可以通过 SQL 查询替换很多Python逻辑语句。

让Python更加充分的使用Sqlite3

我想分享一些关于这次经历的心得和发现。

TL;DR

  • 使用大量操作 (又名 executemany)。
  • 你不需要使用光标 (大部分时间)。
  • 光标可被迭代。
  • 使用上下文管理器。
  • 使用编译指示 (当它有意义)。
  • 推迟索引创建。
  • 使用占位符来插入 python 值。

1. 使用大量操作

如果你需要在数据库中一次性插入很多行,那么你真不应该使用 execute。sqlite3 模块提供了批量插入的方式:executemany。

而不是像这样做:


  1. for row in iter_data():  
  2. connection.execute('INSERT INTO my_table VALUES (?)', row) 

你可以利用这个事实,即 executemany 接受元组的生成器作为参数:


  1. connection.executemany( 
  2.     'INSERT INTO my_table VALUE (?)'
  3.     iter_data() 

这不仅更简洁,而且更高效。实际上,sqlite3 在幕后利用 executemany 实现 execute,但后者插入一行而不是多行。

我写了一个小的基准测试,将一百万行插入空表(数据库在内存中):

  • executemany: 1.6 秒
  • execute: 2.7 秒

2. 你不需要游标

一开始我经常搞混的事情就是,光标管理。在线示例和文档中通常如下:


  1. connection = sqlite3.connect(':memory:'
  2. cursor = connection.cursor() 
  3. # Do something with cursor 

但大多数情况下,你根本不需要光标,你可以直接使用连接对象。

像 execute


  1. executemany 

类似的操作可以直接在连接上调用。以下是一个证明此事的示例:


  1. import sqlite3 
  2.  
  3. connection = sqlite3(':memory:'
  4.  
  5. Create a table 
  6. connection.execute('CREATE TABLE events(ts, msg)'
  7.  
  8. Insert values 
  9. connection.executemany( 
  10.     'INSERT INTO events VALUES (?,?)'
  11.     [ 
  12.         (1, 'foo'), 
  13.         (2, 'bar'), 
  14.         (3, 'baz'
  15.     ] 
  16.  
  17. # Print inserted rows 
  18. for row in connnection.execute('SELECT * FROM events'): 
  19.     print(row) 

3. 光标(Cursor)可被用于迭代

你可能经常会看到使用fetchone或fetchall来处理 SELECT 查询结果的示例。但是我发现处理这些结果的最自然的方式是直接在光标上迭代:


  1. for row in connection.execute('SELECT * FROM events'): 
  2.     print(row) 

这样一来,只要你得到足够的结果,你就可以终止查询,并且不会引起资源浪费。当然,如果事先知道你需要多少结果,可以改用 LIMIT SQL语句,但Python生成器是非常方便的,可以让你将数据生成与数据消耗分离。

4. 使用Context Managers(上下文管理器)

即使在处理SQL事务的中间,也会发生讨厌的事情。为了避免手动处理回滚或提交,你可以简单地使用连接对象作为上下文管理器。 在以下示例中,我们创建了一个表,并错误地插入了重复的值:


  1. import sqlite3 
  2. connection = sqlite3.connect(':memory:'
  3.  
  4. with connection
  5.     connection.execute
  6.         'CREATE TABLE events(ts, msg, PRIMARY KEY(ts, msg))'
  7.  
  8. try: 
  9.     with connection
  10.         connection.executemany('INSERT INTO events VALUES (?, ?)', [ 
  11.             (1, 'foo'), 
  12.             (2, 'bar'), 
  13.             (3, 'baz'), 
  14.             (1, 'foo'), 
  15.         ]) 
  16. except (sqlite3.OperationalError, sqlite3.IntegrityError) as e: 
  17.     print('Could not complete operation:', e) 
  18.      
  19. No row was inserted because transaction failed 
  20. for row in connection.execute('SELECT * FROM events'): 
  21.     print(row) 
  22.      
  23. connection.close() 

5. 使用Pragmas

…当它真的有用时

在你的程序中有几个 pragma 可用于调整 sqlite3 的行为。特别地,其中一个可以改善性能的是 synchronous :


  1. connection.execute('PRAGMA synchronous = OFF'

你应该知道这可能是危险的。如果应用程序在事务中间意外崩溃,数据库可能会处于不一致的状态。所以请小心使用! 但是如果你要更快地插入很多行,那么这可能是一个选择。

6. 推迟索引创建

假设你需要在数据库上创建几个索引,而你需要在插入很多行的同时创建索引。把索引的创建推迟到所有行的插入之后可以导致实质性的性能改善。

7. 使用占位符插入 Python 值

使用 Python 字符串操作将值包含到查询中是很方便的。但是这样做非常不安全,而 sqlite3 给你提供了更好的方法来做到这一点:


  1. # Do not do this! 
  2. my_timestamp = 1 
  3. c.execute("SELECT * FROM events WHERE ts = '%s'" % my_timestamp) 
  4.  
  5. # Do this instead 
  6. my_timestamp = (1,) 
  7. c.execute('SELECT * FROM events WHERE ts = ?', my_timestamp) 

此外,使用Python%s(或格式或格式的字符串常量)的字符串插值对于 executemany 来说并不是总是可行。所以在此尝试没有什么真正意义!

请记住,这些小技巧可能会(也可能不会)给你带来好处,具体取决于特定的用例。你应该永远自己去尝试,决定是否值得这么做。


本文作者:佚名

来源:51CTO

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
Python模块——glob模块详解
Python模块——glob模块详解
47 0
每周一个 Python 模块 | os.path
本文基于 Python3 编写测试。 os.path 模块是跨平台的,即使不打算在平台之间移植自己的程序也应该用 os.path,好处多多。
26 0
Python 模块实战| 学习笔记
快速学习 Python 模块实战
42 0
Python编程:glob模块进行文件名模式匹配
Python编程:glob模块进行文件名模式匹配
46 0
Python中fileinput模块使用
fileinput模块可以对一个或多个文件中的内容进行迭代、遍历等操作。该模块的input()函数有点类似文件 readlines()方法,区别在于前者是一个迭代对象,需要用for循环迭代,后者是一次性读取所有行。
753 0
+关注
行者武松
杀人者,打虎武松也。
17111
文章
2569
问答
文章排行榜
最热
最新
相关电子书
更多
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载
冬季实战营第三期:MySQL数据库进阶实战
立即下载