优化SQLite是棘手的。 C应用程序的大容量插入性能可以从每秒85次插入到每秒超过96,000次插入!
背景:我们将SQLite用作桌面应用程序的一部分。 我们将大量配置数据存储在XML文件中,这些文件将被解析并加载到SQLite数据库中,以便在初始化应用程序时进行进一步处理。 SQLite非常适合这种情况,因为它速度快,不需要专门的配置,并且数据库作为单个文件存储在磁盘上。
基本原理: 最初,我对看到的性能感到失望。 事实证明,取决于数据库的配置方式和使用API的方式,SQLite的性能可能会发生很大的变化(批量插入和选择)。 弄清楚所有选项和技术是什么都不是一件容易的事,因此,我认为创建此社区Wiki条目与Stack Overflow读者共享结果以节省其他人的麻烦是审慎的做法。
实验:我认为,最好是编写一些C代码并实际衡量各种选择的影响,而不是简单地谈论一般意义上的性能提示(即“使用事务!” )。 我们将从一些简单的数据开始:
- 28 MB TAB分隔的文本文件(约865,000条记录), 用于多伦多市的完整运输时间表
- 我的测试计算机是运行Windows XP的3.60 GHz P4。
- 使用Visual C ++ 2005将代码编译为带有“完整优化”(/ Ox)和“快速收藏”代码(/ Ot)的“发行版”。
- 我正在使用直接编译到测试应用程序中的SQLite“合并”。 我刚好拥有的SQLite版本(3.6.7)有点旧,但是我怀疑这些结果将与最新版本相当(如果您另有意见,请发表评论)。
让我们写一些代码!
代码:一个简单的C程序,它逐行读取文本文件,将字符串拆分为值,然后将数据插入SQLite数据库。 在此“基准”版本的代码中,创建了数据库,但实际上不会插入数据:
/*************************************************************
Baseline code to experiment with SQLite performance.
Input data is a 28 MB TAB-delimited text file of the
complete Toronto Transit System schedule/route info
from http://www.toronto.ca/open/datasets/ttc-routes/
**************************************************************/
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <string.h>
#include "sqlite3.h"
#define INPUTDATA "C:\\TTC_schedule_scheduleitem_10-27-2009.txt"
#define DATABASE "c:\\TTC_schedule_scheduleitem_10-27-2009.sqlite"
#define TABLE "CREATE TABLE IF NOT EXISTS TTC (id INTEGER PRIMARY KEY, Route_ID TEXT, Branch_Code TEXT, Version INTEGER, Stop INTEGER, Vehicle_Index INTEGER, Day Integer, Time TEXT)"
#define BUFFER_SIZE 256
int main(int argc, char **argv) {
sqlite3 * db;
sqlite3_stmt * stmt;
char * sErrMsg = 0;
char * tail = 0;
int nRetCode;
int n = 0;
clock_t cStartClock;
FILE * pFile;
char sInputBuf [BUFFER_SIZE] = "\0";
char * sRT = 0; /* Route */
char * sBR = 0; /* Branch */
char * sVR = 0; /* Version */
char * sST = 0; /* Stop Number */
char * sVI = 0; /* Vehicle */
char * sDT = 0; /* Date */
char * sTM = 0; /* Time */
char sSQL [BUFFER_SIZE] = "\0";
/*********************************************/
/* Open the Database and create the Schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
/*********************************************/
/* Open input file and import into Database*/
cStartClock = clock();
pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {
fgets (sInputBuf, BUFFER_SIZE, pFile);
sRT = strtok (sInputBuf, "\t"); /* Get Route */
sBR = strtok (NULL, "\t"); /* Get Branch */
sVR = strtok (NULL, "\t"); /* Get Version */
sST = strtok (NULL, "\t"); /* Get Stop Number */
sVI = strtok (NULL, "\t"); /* Get Vehicle */
sDT = strtok (NULL, "\t"); /* Get Date */
sTM = strtok (NULL, "\t"); /* Get Time */
/* ACTUAL INSERT WILL GO HERE */
n++;
}
fclose (pFile);
printf("Imported %d records in %4.2f seconds\n", n, (clock() - cStartClock) / (double)CLOCKS_PER_SEC);
sqlite3_close(db);
return 0;
}
“控制”
按原样运行代码实际上不会执行任何数据库操作,但是它将使我们了解原始C文件I / O和字符串处理操作的速度。
在0.94秒内导入864913记录
大! 只要我们实际上不执行任何插入操作,我们就可以每秒执行920,000次插入操作:-)
“最坏情况”
我们将使用从文件中读取的值来生成SQL字符串,并使用sqlite3_exec调用该SQL操作:
sprintf(sSQL, "INSERT INTO TTC VALUES (NULL, '%s', '%s', '%s', '%s', '%s', '%s', '%s')", sRT, sBR, sVR, sST, sVI, sDT, sTM);
sqlite3_exec(db, sSQL, NULL, NULL, &sErrMsg);
这将很慢,因为对于每个插入,SQL都将被编译成VDBE代码,并且每个插入将在其自己的事务中发生。 有多慢
在9933.61秒内导入了864913条记录
kes! 2小时45分钟! 每秒只有85次插入。
使用交易
默认情况下,SQLite将评估唯一事务中的每个INSERT / UPDATE语句。 如果执行大量插入操作,建议将操作包装在事务中:
sqlite3_exec(db, "BEGIN TRANSACTION", NULL, NULL, &sErrMsg);
pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {
...
}
fclose (pFile);
sqlite3_exec(db, "END TRANSACTION", NULL, NULL, &sErrMsg);
在38.03秒内导入864913记录
这样更好 只需将所有插入物包装在一个事务中,就可以将我们的性能提高到每秒23,000个插入物。
使用准备好的语句
使用事务是一个巨大的改进,但是如果我们反复使用相同的SQL,则对于每个插入都重新编译SQL语句是没有意义的。 让我们使用sqlite3_prepare_v2
一次编译我们的SQL语句,然后使用sqlite3_bind_text
将参数绑定到该语句:
/* Open input file and import into the database */
cStartClock = clock();
sprintf(sSQL, "INSERT INTO TTC VALUES (NULL, @RT, @BR, @VR, @ST, @VI, @DT, @TM)");
sqlite3_prepare_v2(db, sSQL, BUFFER_SIZE, &stmt, &tail);
sqlite3_exec(db, "BEGIN TRANSACTION", NULL, NULL, &sErrMsg);
pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {
fgets (sInputBuf, BUFFER_SIZE, pFile);
sRT = strtok (sInputBuf, "\t"); /* Get Route */
sBR = strtok (NULL, "\t"); /* Get Branch */
sVR = strtok (NULL, "\t"); /* Get Version */
sST = strtok (NULL, "\t"); /* Get Stop Number */
sVI = strtok (NULL, "\t"); /* Get Vehicle */
sDT = strtok (NULL, "\t"); /* Get Date */
sTM = strtok (NULL, "\t"); /* Get Time */
sqlite3_bind_text(stmt, 1, sRT, -1, SQLITE_TRANSIENT);
sqlite3_bind_text(stmt, 2, sBR, -1, SQLITE_TRANSIENT);
sqlite3_bind_text(stmt, 3, sVR, -1, SQLITE_TRANSIENT);
sqlite3_bind_text(stmt, 4, sST, -1, SQLITE_TRANSIENT);
sqlite3_bind_text(stmt, 5, sVI, -1, SQLITE_TRANSIENT);
sqlite3_bind_text(stmt, 6, sDT, -1, SQLITE_TRANSIENT);
sqlite3_bind_text(stmt, 7, sTM, -1, SQLITE_TRANSIENT);
sqlite3_step(stmt);
sqlite3_clear_bindings(stmt);
sqlite3_reset(stmt);
n++;
}
fclose (pFile);
sqlite3_exec(db, "END TRANSACTION", NULL, NULL, &sErrMsg);
printf("Imported %d records in %4.2f seconds\n", n, (clock() - cStartClock) / (double)CLOCKS_PER_SEC);
sqlite3_finalize(stmt);
sqlite3_close(db);
return 0;
在16.27秒内导入864913记录
真好! 还有更多代码(不要忘记调用sqlite3_clear_bindings
和sqlite3_reset
),但是我们的性能提高了一倍以上,达到每秒53,000次插入。
PRAGMA同步= OFF
默认情况下,SQLite将在发出OS级写命令后暂停。 这样可以确保将数据写入磁盘。 通过设置synchronous = OFF
,我们指示SQLite只需将数据移交给OS进行写入,然后继续。 如果计算机在将数据写入磁盘之前遭受灾难性崩溃(或电源故障),则数据库文件可能会损坏:
/* Open the database and create the schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA synchronous = OFF", NULL, NULL, &sErrMsg);
在12.41秒内导入864913记录
现在,改进的幅度较小,但每秒最多可插入69,600次。
PRAGMA journal_mode =内存
考虑通过评估PRAGMA journal_mode = MEMORY
将回滚日志存储在内存中。 您的事务将更快,但是如果在事务期间断电或程序崩溃,则数据库可能会因部分完成的事务而处于损坏状态:
/* Open the database and create the schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA journal_mode = MEMORY", NULL, NULL, &sErrMsg);
在13.50秒内导入864913记录
每秒64,000次插入的速度比之前的优化稍慢。
PRAGMA同步= OFF 和 PRAGMA journal_mode = MEMORY
让我们结合前面的两个优化。 风险更高一些(如果发生崩溃),但是我们只是在导入数据(不运行银行):
/* Open the database and create the schema */
sqlite3_open(DATABASE, &db);
sqlite3_exec(db, TABLE, NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA synchronous = OFF", NULL, NULL, &sErrMsg);
sqlite3_exec(db, "PRAGMA journal_mode = MEMORY", NULL, NULL, &sErrMsg);
在12.00秒内导入864913记录
太棒了! 我们每秒能够完成72,000次插入。
使用内存数据库
只是为了振奋人心,让我们以所有先前的优化为基础,并重新定义数据库文件名,以便我们完全在RAM中工作:
#define DATABASE ":memory:"
在10.94秒内导入864913记录
将我们的数据库存储在RAM中并不是很实际,但是令人印象深刻的是我们每秒可以执行79,000次插入。
重构C代码
尽管没有特别改进SQLite,但我不喜欢while
循环中额外的char*
赋值操作。 让我们快速重构该代码,将strtok()
的输出直接传递到sqlite3_bind_text()
,然后让编译器尝试为我们加快速度:
pFile = fopen (INPUTDATA,"r");
while (!feof(pFile)) {
fgets (sInputBuf, BUFFER_SIZE, pFile);
sqlite3_bind_text(stmt, 1, strtok (sInputBuf, "\t"), -1, SQLITE_TRANSIENT); /* Get Route */
sqlite3_bind_text(stmt, 2, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT); /* Get Branch */
sqlite3_bind_text(stmt, 3, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT); /* Get Version */
sqlite3_bind_text(stmt, 4, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT); /* Get Stop Number */
sqlite3_bind_text(stmt, 5, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT); /* Get Vehicle */
sqlite3_bind_text(stmt, 6, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT); /* Get Date */
sqlite3_bind_text(stmt, 7, strtok (NULL, "\t"), -1, SQLITE_TRANSIENT); /* Get Time */
sqlite3_step(stmt); /* Execute the SQL Statement */
sqlite3_clear_bindings(stmt); /* Clear bindings */
sqlite3_reset(stmt); /* Reset VDBE */
n++;
}
fclose (pFile);
注意:我们将回到使用真实的数据库文件。 内存数据库速度很快,但不一定实用
在8.94秒内导入864913记录
稍微重构参数绑定中使用的字符串处理代码,可以使我们每秒执行96,700次插入。 我认为可以肯定地说这非常快 。 随着我们开始调整其他变量(例如页面大小,索引创建等),这将成为我们的基准。
摘要(到目前为止)
我希望你仍然和我在一起! 我们选择这条路的原因是,使用SQLite进行大容量插入的性能变化如此之大,并不一定总是需要进行哪些更改以加快操作速度。 使用相同的编译器(和编译器选项),相同版本的SQLite和相同数据,我们优化了代码,并优化了SQLite的使用,使其从最坏的情况下每秒85次插入变为每秒超过96,000次插入!
先创建索引,然后插入VS.插入,然后创建索引
在开始评估SELECT
性能之前,我们知道我们将创建索引。 在下面的答案之一中,建议进行批量插入时,插入数据后创建索引的速度更快(与先创建索引然后插入数据相反)。 我们试试吧:
创建索引然后插入数据
sqlite3_exec(db, "CREATE INDEX 'TTC_Stop_Index' ON 'TTC' ('Stop')", NULL, NULL, &sErrMsg);
sqlite3_exec(db, "BEGIN TRANSACTION", NULL, NULL, &sErrMsg);
...
在18.13秒内导入864913记录
插入数据然后创建索引
...
sqlite3_exec(db, "END TRANSACTION", NULL, NULL, &sErrMsg);
sqlite3_exec(db, "CREATE INDEX 'TTC_Stop_Index' ON 'TTC' ('Stop')", NULL, NULL, &sErrMsg);
在13.66秒内导入864913记录
不出所料,如果对一列进行索引,则大容量插入会较慢,但是如果在插入数据后创建索引,则确实会有所不同。 我们的无索引基准是每秒96,000次插入。 首先创建索引,然后插入数据,每秒可提供47,700次插入,而先创建数据,然后创建索引,则每秒可提供63,300次插入。
我很乐意为其他情况提供建议以尝试...,并将很快为SELECT查询编译类似的数据。
#1楼
避免使用sqlite3_clear_bindings(stmt)
。
测试中的代码每次设置绑定就足够了。
SQLite文档中的C API简介说:
在第一次调用sqlite3_step()之前或在sqlite3_reset()之后立即调用该应用程序,应用程序可以调用sqlite3_bind()接口将值附加到参数。 每次调用sqlite3_bind()都会覆盖先前对同一参数的绑定
在sqlite3_clear_bindings
的文档中,没有任何内容表明您必须调用它,而不仅仅是设置绑定。
详细信息: 避免使用_sqlite3_clear_bindings()
#2楼
如果可以对INSERT / UPDATE语句进行分块,则批量导入似乎表现最佳。 在只有几行的表YMMV上,值10,000左右对我来说效果很好。
#3楼
几个技巧:
- 将插入/更新放入事务中。
- 对于较旧版本的SQLite-考虑较少的偏执日志模式(
pragma journal_mode
)。 有NORMAL
,然后有OFF
,如果您不太担心数据库可能因操作系统崩溃而损坏,则可以显着提高插入速度。 如果您的应用程序崩溃了,数据应该没问题。 请注意,在较新的版本中,OFF/MEMORY
设置对于应用程序级崩溃不安全。 - 使用页面大小也会有所不同(
PRAGMA page_size
)。 由于较大的页面保留在内存中,因此具有较大的页面大小可以使读取和写入的速度更快。 请注意,更多的内存将用于您的数据库。 - 如果有索引,请在完成所有插入操作后考虑调用
CREATE INDEX
。 这比创建索引然后进行插入要快得多。 - 如果您可以并发访问SQLite,则必须非常小心,因为写入完成后整个数据库将被锁定,尽管可能有多个读取器,但写入将被锁定。 通过在较新的SQLite版本中添加WAL,已对此进行了一些改进。
- 利用节省空间的优势...较小的数据库运行更快。 例如,如果您具有键值对,请尝试尽可能使键成为
INTEGER PRIMARY KEY
,它将替换表中隐含的唯一行号列。 - 如果使用多个线程,则可以尝试使用共享页面缓存 ,这将允许在线程之间共享已加载的页面,从而避免了昂贵的I / O调用。
- 不要使用
!feof(file)
!
#4楼
如果仅关心读取,则从多个线程的多个连接(每个线程的连接)中读取速度会稍快一些(但可能会读取过时的数据)。
首先在表中找到项目:
SELECT COUNT(*) FROM table
然后读入页面(LIMIT / OFFSET):
SELECT * FROM table ORDER BY _ROWID_ LIMIT <limit> OFFSET <offset>
每个线程在哪里和计算,如下所示:
int limit = (count + n_threads - 1)/n_threads;
对于每个线程:
int offset = thread_index * limit
对于我们的小数据库(200mb),这可以提高50-75%的速度(在Windows 7上为3.8.0.2 64位)。 我们的表是高度非规范化的(1000-1500列,大约100,000或更多行)。
太多或太少的线程将无法执行此操作,您需要对自己进行基准测试和分析。
同样对我们来说,SHAREDCACHE降低了性能,所以我手动设置了PRIVATECACHE(因为它是为我们全局启用的)
#5楼
对于这些插入,请尝试使用SQLITE_STATIC
而不是SQLITE_TRANSIENT
。
SQLITE_TRANSIENT
将导致SQLite在返回之前复制字符串数据。
SQLITE_STATIC
告诉您,您给它提供的内存地址在执行查询之前将一直有效(在此循环中始终如此)。 这将为您节省每个循环几个分配,复制和取消分配操作。 可能会有很大的改善。
#6楼
在将cache_size提高到更高的值之前,我不会从交易中获得任何收益,即PRAGMA cache_size=10000;
#7楼
阅读本教程后,我尝试将其实施到我的程序中。
我有4-5个包含地址的文件。 每个文件有大约3000万条记录。 我使用与您建议的配置相同的配置,但是每秒的INSERT数量非常低(每秒约10.000条记录)。
这是您的建议失败的地方。 您对所有记录使用一个事务,并使用一个插入而没有错误/失败。 假设您将每个记录拆分为不同表上的多个插入。 如果唱片被打破了怎么办?
ON CONFLICT命令不适用,因为如果一条记录中有10个元素,并且您需要将每个元素插入到不同的表中,如果元素5出现CONSTRAINT错误,那么前面的所有4个插入也都需要执行。
所以这就是回滚的地方。 回滚的唯一问题是您丢失了所有插入内容并从顶部开始。 你怎么解决呢?
我的解决方案是使用多个事务。 我每10.000条记录开始和结束一笔交易(不要问为什么这个数字,这是我测试过的最快的)。 我创建了一个大小为10.000的数组,并在其中插入成功的记录。 当发生错误时,我进行回滚,开始事务,从我的数组中插入记录,提交,然后在损坏的记录之后开始新的事务。
该解决方案帮助我绕开了处理包含不良/重复记录(我的不良记录几乎占4%)的文件时遇到的问题。
我创建的算法帮助我将流程减少了2个小时。 文件的最终加载过程1hr 30m仍然很慢,但与最初花费的4hrs相比没有。 我设法将插入速度从10.000 / s加快到〜14.000 / s
如果有人对如何加快速度有其他想法,我欢迎您提出建议。
更新 :
除了上面我的回答,您还应该记住每秒插入数也取决于您使用的硬盘驱动器。 我在具有不同硬盘的3台不同PC上进行了测试,但时间差异很大。 PC1(1hr 30m),PC2(6hrs)PC3(14hrs),所以我开始怀疑为什么会这样。
经过两周的研究并检查了多种资源:硬盘,Ram,缓存,我发现硬盘上的某些设置会影响I / O速率。 通过单击所需输出驱动器上的属性,可以在常规选项卡中看到两个选项。 Opt1:压缩该驱动器,Opt2:允许对该驱动器的文件进行索引。
通过禁用这两个选项,现在所有3台PC大约需要花费相同的时间(1小时和20至40分钟)完成。 如果遇到插入缓慢的情况,请检查硬盘驱动器是否配置了这些选项。 这将为您节省大量时间和寻找解决方案的麻烦
#8楼
您的问题的答案是,较新的sqlite3可以提高性能,请使用该功能。
这个答案为什么SQLAlchemy用sqlite插入比直接使用sqlite3慢25倍? 作者:SqlAlchemy Orm作者在0.5秒内插入了10万次插入,我在python-sqlite和SqlAlchemy中也看到了类似的结果。 这使我相信sqlite3的性能有所提高
#9楼
使用ContentProvider在db中插入批量数据。 以下用于将批量数据插入数据库的方法。 这应该提高SQLite的每秒INSERT性能。
private SQLiteDatabase database;
database = dbHelper.getWritableDatabase();
public int bulkInsert(@NonNull Uri uri, @NonNull ContentValues[] values) {
database.beginTransaction();
for (ContentValues value : values)
db.insert("TABLE_NAME", null, value);
database.setTransactionSuccessful();
database.endTransaction();
}
调用bulkInsert方法:
App.getAppContext().getContentResolver().bulkInsert(contentUriTable,
contentValuesArray);
链接: https : //www.vogella.com/tutorials/AndroidSQLite/article.html检查“使用ContentProvider”部分以了解更多详细信息
#10楼
在散装刀片上
受到这篇文章以及导致我在此处出现的Stack Overflow问题的启发- 是否可以一次在SQLite数据库中插入多行? -我发布了我的第一个Git存储库:
https://github.com/rdpoor/CreateOrUpdate
它将大量ActiveRecords加载到MySQL ,SQLite或PostgreSQL数据库中。 它包括一个忽略现有记录,覆盖它们或引发错误的选项。 我的基本基准显示,与顺序写入YMMV相比,速度提高了10倍。
我在经常需要导入大型数据集的生产代码中使用它,对此我感到非常满意。