SQLAlchemy、Psycopg2 和 Postgresql 复制

Posted 2023-03-22

【中文标题】SQLAlchemy、Psycopg2 和 Postgresql 复制

【英文标题】：SQLAlchemy, Psycopg2 and Postgresql COPY

【发布时间】：2012-10-18 23:31:51

【问题描述】：

看起来 Psycopg 有一个用于执行 COPY 的自定义命令：

psycopg2 COPY using cursor.copy_from() freezes with large inputs

有没有办法通过 SQLAlchemy 访问此功能？

【参考方案1】：

接受的答案是正确的，但如果您想要的不仅仅是 EoghanM 的评论，那么在将表格复制到 CSV 时，以下内容对我有用...

from sqlalchemy import sessionmaker, create_engine

eng = create_engine("postgresql://user:pwd@host:5432/db")
ses = sessionmaker(bind=engine)

dbcopy_f = open('/tmp/some_table_copy.csv','wb')

copy_sql = 'COPY some_table TO STDOUT WITH CSV HEADER'

fake_conn = eng.raw_connection()
fake_cur = fake_conn.cursor()
fake_cur.copy_expert(copy_sql, dbcopy_f)

sessionmaker 不是必需的，但如果您习惯同时创建引擎和会话以使用 raw_connection，则需要将它们分开（除非有某种方法可以访问引擎通过我不知道的会话对象）。提供给copy_expert 的sql 字符串也不是唯一的方法，有一个基本的copy_to 函数，您可以将其与可以传递给普通COPY TO 查询的参数子集一起使用。该命令的整体性能对我来说似乎很快，复制出约 20000 行的表。

http://initd.org/psycopg/docs/cursor.html#cursor.copy_to http://docs.sqlalchemy.org/en/latest/core/connections.html#sqlalchemy.engine.Engine.raw_connection

【讨论】：

这是一个很棒的发现。这将我保存数据的时间从 8 小时以上的一夜之间减少到 4 分钟左右。天哪！

为我工作，但我必须在最后做fake_conn.commit()

【参考方案2】：

如果您的引擎配置有 psycopg2 连接字符串（这是默认值，因此 "postgresql://..." 或 "postgresql+psycopg2://..."），您可以使用 SQL Alchemy 会话创建 psycopg2 游标

cursor = session.connection().connection.cursor()

你可以用来执行

cursor.copy_from(...)

光标将在与您当前会话相同的事务中处于活动状态。如果发生commit 或rollback，任何进一步使用光标并抛出psycopg2.InterfaceError，您都必须创建一个新的。

【讨论】：

赞成展示如何使用传统会话实际获取光标。

有没有办法用 asyncpg 方言做到这一点？驱动程序本身有一个connection.copy_from_table 方法，但在光标上不可用。如果我在其他答案中获得原始连接，它将不在同一个事务中。

【参考方案3】：

你可以使用：

def to_sql(engine, df, table, if_exists='fail', sep='\t', encoding='utf8'):
    # Create Table
    df[:0].to_sql(table, engine, if_exists=if_exists)

    # Prepare data
    output = cStringIO.StringIO()
    df.to_csv(output, sep=sep, header=False, encoding=encoding)
    output.seek(0)

    # Insert data
    connection = engine.raw_connection()
    cursor = connection.cursor()
    cursor.copy_from(output, table, sep=sep, null='')
    connection.commit()
    cursor.close()

我在 5 秒而不是 4 分钟内插入 200000 行

【讨论】：

您能否详细介绍一下df 对象是什么？

df 是一个熊猫数据框

这是金子！ （使用 pandas 和 sqlalchemy 和 postgres）

我知道已经有一段时间了，但你能解释一下为什么你使用 pandas to_sql 和 sqlalchemy copy_from 吗？ to_sql 不会创建表并将 df 的内容写入表吗？如果是这样，为什么还要再次插入数据？我正在使用它来批量插入数据，但目标表有一个序列 ID 作为它的索引，无论我尝试哪种方式，我似乎都无法在没有索引的情况下插入数据（没有出现错误说缺少列数据）

@JustinMoser 碰巧pandas.DataFrame 有一个to_sql 方法，但这里没有使用该方法。相反，to_csv 方法用于将df 存储在in-memory text stream、output 中，然后使用raw_connection 将其传递给psycopg2。

【参考方案4】：

It doesn't look like it.

您可能只需要使用 psycopg2 来公开此功能并放弃 ORM 功能。我想我并没有真正看到 ORM 在这样的操作中的好处，因为它是直接的批量插入，并且处理单个对象（例如 ORM）并没有真正的意义。

【讨论】：

super - 可以通过 engine.raw_connection() 进入 psycopg

【参考方案5】：

如果您从 SQLAlchemy 开始，您需要首先访问连接引擎（在某些 SQLAlchemy 对象上也称为属性名称 bind）：

engine = create_engine('postgresql+psycopg2://myuser:password@localhost/mydb')
# or 
engine = session.engine
# or any other way you know to get to the engine

您可以从引擎中隔离 psycopg2 连接：

# get a psycopg2 connection
connection = engine.connect().connection

# get a cursor on that connection
cursor = connection.cursor()

这里有一些模板供 COPY 语句与 cursor.copy_expert() 一起使用，这是一个比 copy_from() 或 copy_to() 更完整和灵活的选项，如下所示：https://www.psycopg.org/docs/cursor.html#cursor.copy_expert。

# to dump to a file
dump_to = """
COPY mytable 
TO STDOUT
WITH (
    FORMAT CSV,
    DELIMITER ',',
    HEADER
);
"""

# to copy from a file:
copy_from = """
COPY mytable 
FROM STDIN
WITH (
    FORMAT CSV,
    DELIMITER ',',
    HEADER
);
"""

查看上述选项的含义以及您的具体情况可能感兴趣的其他选项https://www.postgresql.org/docs/current/static/sql-copy.html。

重要提示：cursor.copy_expert() 文档的链接表示使用 STDOUT 写入文件并使用 STDIN 从文件复制。但是，如果您查看 PostgreSQL 手册中的语法，您会注意到您还可以直接在 COPY 语句中指定要写入或写入的文件。不要那样做，如果您不是以 root 身份运行（谁在开发过程中以 root 身份运行 Python？），您可能只是在浪费时间987654331@，应该没问题。

# running the copy statement
with open('/path/to/your/data/file.csv') as f:
     cursor.copy_expert(copy_from, file=f)

# don't forget to commit the changes.
connection.commit()

【参考方案6】：

您不需要下拉到 psycopg2，使用 raw_connection 或游标。

像往常一样执行sql，你甚至可以用text()绑定参数：

engine.execute(text('''copy some_table from :csv
                       delimiter ',' csv'''
                   ).execution_options(autocommit=True),
               csv='/tmp/a.csv')

如果this PR 将被接受，您可以放弃execution_options(autocommit=True)

【讨论】：

只是透露它是您的代码存储库，它似乎是

不，链接为“this PR”的不是我的存储库，它是 sqlalchemy 的普通/官方存储库。 OTOH PR 显然是我的，这不是秘密：我在 *** 和 bitbucket 上使用相同的用户名。无论如何，我在研究该更改的示例时偶然发现了这个问题，而我所写的所有内容实际上都是正确的。我本可以避免链接 PR，但是（如果它被接受）那么这个答案将暗示一个过时的 sn-p，除非我或有人会记得在事后更新它

在旧答案中添加注释，但 COPY 命名文件需要数据库超级用户权限，这可能不是很理想。