讓Python更加充分的使用Sqlite3
我最近在涉及大量數據處理的項目中頻繁使用 sqlite3。我最初的嘗試根本不涉及任何數據庫，所有的數據都將保存在內存中，包括字典查找、迭代和條件等查詢。這很好，但可以放入內存的只有那么多，并且將數據從磁盤重新生成或加載到內存是一個繁瑣又耗時的過程。
我決定試一試sqlite3。 因為只需打開與數據庫的連接， 這樣可以增加可處理的數據量，并將應用程序的加載時間減少到零。此外，我可以通過 SQL 查詢替換很多Python邏輯語句。
我想分享一些關于這次經歷的心得和發現。
TL;DR
- 使用大量操作 (又名 executemany)。
- 你不需要使用光標 (大部分時間)。
- 光標可被迭代。
- 使用上下文管理器。
- 使用編譯指示 (當它有意義)。
- 推遲索引創建。
- 使用占位符來插入 python 值。
1. 使用大量操作
如果你需要在數據庫中一次性插入很多行，那么你真不應該使用 execute。sqlite3 模塊提供了批量插入的方式：executemany。
而不是像這樣做：
- for row in iter_data():
- connection.execute('INSERT INTO my_table VALUES (?)', row)
你可以利用這個事實，即 executemany 接受元組的生成器作為參數：
- connection.executemany(
- 'INSERT INTO my_table VALUE (?)',
- iter_data()
- )
這不僅更簡潔，而且更高效。實際上，sqlite3 在幕后利用 executemany 實現 execute，但后者插入一行而不是多行。
我寫了一個小的基準測試，將一百萬行插入空表(數據庫在內存中)：
- executemany: 1.6 秒
- execute: 2.7 秒
2. 你不需要游標
一開始我經常搞混的事情就是，光標管理。在線示例和文檔中通常如下：
- connection = sqlite3.connect(':memory:')
- cursor = connection.cursor()
- # Do something with cursor
但大多數情況下，你根本不需要光標，你可以直接使用連接對象。
像 execute
- executemany
類似的操作可以直接在連接上調用。以下是一個證明此事的示例：
- import sqlite3
- 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
- for row in connnection.execute('SELECT * FROM events'):
- print(row)
3. 光標(Cursor)可被用于迭代
你可能經常會看到使用fetchone或fetchall來處理 SELECT 查詢結果的示例。但是我發現處理這些結果的最自然的方式是直接在光標上迭代：
- for row in connection.execute('SELECT * FROM events'):
- print(row)
這樣一來，只要你得到足夠的結果，你就可以終止查詢，并且不會引起資源浪費。當然，如果事先知道你需要多少結果，可以改用 LIMIT SQL語句，但Python生成器是非常方便的，可以讓你將數據生成與數據消耗分離。
4. 使用Context Managers(上下文管理器)
即使在處理SQL事務的中間，也會發生討厭的事情。為了避免手動處理回滾或提交，你可以簡單地使用連接對象作為上下文管理器。 在以下示例中，我們創建了一個表，并錯誤地插入了重復的值：
- import sqlite3
- connection = sqlite3.connect(':memory:')
- with connection:
- connection.execute(
- 'CREATE TABLE events(ts, msg, PRIMARY KEY(ts, msg))')
- try:
- with connection:
- connection.executemany('INSERT INTO events VALUES (?, ?)', [
- (1, 'foo'),
- (2, 'bar'),
- (3, 'baz'),
- (1, 'foo'),
- ])
- except (sqlite3.OperationalError, sqlite3.IntegrityError) as e:
- print('Could not complete operation:', e)
- # No row was inserted because transaction failed
- for row in connection.execute('SELECT * FROM events'):
- print(row)
- connection.close()
5. 使用Pragmas
…當它真的有用時
在你的程序中有幾個 pragma 可用于調整 sqlite3 的行為。特別地，其中一個可以改善性能的是 synchronous ：
- connection.execute('PRAGMA synchronous = OFF')
你應該知道這可能是危險的。如果應用程序在事務中間意外崩潰，數據庫可能會處于不一致的狀態。所以請小心使用! 但是如果你要更快地插入很多行，那么這可能是一個選擇。
6. 推遲索引創建
假設你需要在數據庫上創建幾個索引，而你需要在插入很多行的同時創建索引。把索引的創建推遲到所有行的插入之后可以導致實質性的性能改善。
7. 使用占位符插入 Python 值
使用 Python 字符串操作將值包含到查詢中是很方便的。但是這樣做非常不安全，而 sqlite3 給你提供了更好的方法來做到這一點：
- # 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)的字符串插值對于 executemany 來說并不是總是可行。所以在此嘗試沒有什么真正意義!
請記住，這些小技巧可能會(也可能不會)給你帶來好處，具體取決于特定的用例。你應該永遠自己去嘗試，決定是否值得這么做。
