SQLAlchemy、Psycopg2 和 Postgresql 复制

Question

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？

Answer 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

Answer 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。

Answer 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

Answer 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。

Answer 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()

Answer 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)