to_sql pyodbc 计数字段不正确或语法错误

Question

我正在从 api 网站下载 Json 数据，并使用 sqlalchemy、pyodbc 和 pandas 的 to_sql 函数将该数据插入 MSSQL 服务器。

我最多可以下载 10000 行，但是我必须将块大小限制为 10，否则我会收到以下错误：

DBAPIError: (pyodbc.Error) ('07002', '[07002] [Microsoft][SQL Server Native Client 11.0]COUNT 字段不正确或语法错误 (0) (SQLExecDirectW)') [SQL: 'INSERT INTO [TEMP_produce_entity_details]

大约有 5 亿行可供下载，它只是以这种速度爬行。关于解决方法的任何建议？

谢谢，

Answer 1

在提出这个问题时，pandas 0.23.0 刚刚发布。该版本将 .to_sql() 的默认行为从调用 DBAPI .executemany() 方法更改为构造一个表值构造函数 (TVC)，该构造函数将通过使用 INSERT 语句的单个 .execute() 调用插入多行来提高上传速度。不幸的是，这种方法经常超过 T-SQL 对存储过程的 2100 个参数值的限制，从而导致问题中引用的错误。

此后不久，pandas 的后续版本在.to_sql() 中添加了一个method= 参数。默认值 - method=None - 恢复了之前使用 .executemany() 的行为，而指定 method="multi" 将告诉 .to_sql() 使用更新的 TVC 方法。

大约在同一时间，SQLAlchemy 1.3 发布，它向create_engine() 添加了一个fast_executemany=True 参数，这大大提高了使用Microsoft 的SQL Server ODBC 驱动程序的上传速度。通过这种增强，method=None 被证明至少与method="multi" 一样快，同时避免了 2100 个参数的限制。

因此，对于当前版本的 pandas、SQLAlchemy 和 pyodbc，将.to_sql() 与 Microsoft 的 SQL Server ODBC 驱动程序一起使用的最佳方法是使用fast_executemany=True 和.to_sql() 的默认行为，即，

connection_uri = (
    "mssql+pyodbc://scott:tiger^5HHH@192.168.0.199/db_name"
    "?driver=ODBC+Driver+17+for+SQL+Server"
)
engine = create_engine(connection_uri, fast_executemany=True)
df.to_sql("table_name", engine, index=False, if_exists="append")

对于在 Windows、macOS 和 Microsoft 支持其 ODBC 驱动程序的 Linux 变体上运行的应用程序，这是推荐的方法。如果您需要使用 FreeTDS ODBC，则可以使用method="multi" 和chunksize= 调用.to_sql()，如下所述。

---

（原答案）

在 pandas 0.23.0 版之前，to_sql 将为 DataTable 中的每一行生成一个单独的 INSERT：

exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    0,N'row000'
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    1,N'row001'
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    2,N'row002'

大概是为了提高性能，pandas 0.23.0 现在会生成一个表值构造函数来每次调用插入多行

exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6),@P3 int,@P4 nvarchar(6),@P5 int,@P6 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2), (@P3, @P4), (@P5, @P6)',
    0,N'row000',1,N'row001',2,N'row002'

问题在于 SQL Server 存储过程（包括像sp_prepexec 这样的系统存储过程）被限制为 2100 个参数，所以如果 DataFrame 有 100 列，那么 to_sql 一次只能插入大约 20 行。

我们可以计算所需的chunksize 使用

# df is an existing DataFrame
#
# limit based on sp_prepexec parameter count
tsql_chunksize = 2097 // len(df.columns)
# cap at 1000 (limit for number of rows inserted by table-value constructor)
tsql_chunksize = 1000 if tsql_chunksize > 1000 else tsql_chunksize
#
df.to_sql('tablename', engine, index=False, if_exists='replace',
          method='multi', chunksize=tsql_chunksize)

但是，最快的方法仍然可能是：

• 将 DataFrame 转储到 CSV 文件（或类似文件），然后

• 让 Python 调用 SQL Server bcp 实用程序将该文件上传到表中。

Answer 2

根据 Gord Thompson 的回答做了一些修改。这将自动计算块大小并将其保持为适合 2100 个参数限制的最接近的整数值：

import math
df_num_of_cols=len(df.columns)
chunknum=math.floor(2100/df_num_of_cols)
df.to_sql('MY_TABLE',con=engine,schema='myschema',chunksize=chunknum,if_exists='append',method='multi',index=False )

Answer 3

没有声望，所以我无法评论 Amit S。 我只是尝试过这种方式，使用设置为'multi'的方法计算chuknum 仍然显示错误：

[Microsoft][SQL Server Native Client 11.0][SQL Server]传入的请求参数太多。服务器最多支持 2100 个参数。减少参数数量，重新发送请求

所以我只是修改了：

chunknum=math.floor(2100/df_num_of_cols) 

到

chunknum=math.floor(2100/df_num_of_cols) - 1

现在看来运行良好。 我认为应该是一些边缘问题...

Answer 4

对我来说，解决方案是不要使用：

engine = create_engine(connection_uri, fast_executemany=True)

我只是玩过：

df.to_sql('tablename', engine, index=False, if_exists='replace',
          method='multi', chunksize=100)

这里不是chunksize=100，而是chunksize=90，它开始工作了。显然，因为前一个表较小并且列数较多，您可能需要较小的列数。如果您不想使用由于各种原因可能出错的计算，请尝试使用它。