使用 Python 从 Oracle 读取大量数据作为数据帧的最快方法

Question

我需要从 Oracle 读取大量数据（大约 100 万和 450 列）并在 Greenplum 中进行批量加载。我正在使用以下方法：

import pandas as pd
from psycopg2 import *
from sqlalchemy import create_engine
import cx_Oracle
import sqlalchemy
import psycopg2 as pg
import io

engineor = create_engine('oracle+cx_oracle://xxxx:xxxx@xxxxx:xxxx/?service_name=xxxxx')
sql = "select * from xxxxxx"
enginegp = create_engine('xxxxx@xxxxx:xxxx/xxxx')
connection = enginegp.raw_connection()
output = io.StringIO()
for df in pd.read_sql(sql, engineor, chunksize=10000):
df.to_csv(output, header=False, index=False,mode='a')
output.seek(0)
cur = connection.cursor()
cur.copy_expert("COPY test FROM STDIN WITH CSV NULL '' ", output)
connection.commit()
cur.close()

我一直在分块读取数据：

for df in pd.read_sql(sql, engineor, chunksize=10000):
    df.to_csv(output, header=False, index=False,mode='a')

是否有一种更快、更无缝的方式从 Oracle 读取大表作为数据框？这种方法可以正常工作，并且由于与 Oracle 的连接有时会超时或被 DBA 终止，而且有时会成功运行，因此这种方法似乎并不无缝。考虑到表的大小，似乎不太可靠。我需要这个作为数据框，因为我需要稍后使用复制方法将它加载到 Greenplum。

Answer 1

Outsourcer 是专门为做您想做的事情而创建的，但它是用 Java 编写的。

http://www.pivotalguru.com/?page_id=20