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。
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:
Python
1
2
forrow initer_data():
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:
Python
1
2
3
4
connection.executemany(
'INSERT INTO my_table VALUE (?)',
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:
Python
1
2
3
connection=sqlite3.connect(':memory:')
cursor=connection.cursor()
# 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(本文末尾会提到)。
像execute和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:
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
importsqlite3
connection=sqlite3(':memory:')
# Create a table
connection.execute('CREATE TABLE events(ts, msg)')
# Insert values
connection.executemany(
'INSERT INTO events VALUES (?,?)',
[
(1,'foo'),
(2,'bar'),
(3,'baz')
]
)
# Print inserted rows
forrow inconnnection.execute('SELECT * FROM events'):
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:
Python
1
2
forrow inconnection.execute('SELECT * FROM events'):
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:
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
importsqlite3
connection=sqlite3.connect(':memory:')
withconnection:
connection.execute(
'CREATE TABLE events(ts, msg, PRIMARY KEY(ts, msg))')
try:
withconnection:
connection.executemany('INSERT INTO events VALUES (?, ?)',[
(1,'foo'),
(2,'bar'),
(3,'baz'),
(1,'foo'),
])
except(sqlite3.OperationalError,sqlite3.IntegrityError)ase:
print('Could not complete operation:',e)
# No row was inserted because transaction failed
forrow inconnection.execute('SELECT * FROM events'):
print(row)
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:
Python
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:
Python
1
2
3
4
5
6
7
# Do not do this!
my_timestamp=1
c.execute("SELECT * FROM events WHERE ts = '%s'"%my_timestamp)
# Do this instead
my_timestamp=(1,)
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。