让 Python 更加充分的使用 Sqlite3

我最近在涉及大量数据处理的项目中频繁使用 sqlite3。我最初的尝试根本不涉及任何数据库，所有的数据都将保存在内存中，包括字典查找、迭代和条件等查询。这很好，但可以放入内存的只有那么多，并且将数据从磁盘重新生成或加载到内存是一个繁琐又耗时的过程。

我决定试一试sqlite3。因为只需打开与数据库的连接，这样可以增加可处理的数据量，并将应用程序的加载时间减少到零。此外，我可以通过 SQL 查询替换很多Python逻辑语句。

我想分享一些关于这次经历的心得和发现。

TL;DR

1. 使用大量操作 (又名 executemany)。
2. 你不需要使用光标 (大部分时间)。
3. 光标可被迭代。
4. 使用上下文管理器。
5. 使用编译指示 (当它有意义)。
6. 推迟索引创建。
7. 使用占位符来插入 python 值。

1. 使用大量操作

如果你需要在数据库中一次性插入很多行，那么你真不应该使用 execute。sqlite3 模块提供了批量插入的方式：executemany。

而不是像这样做：

 

 

 

 

 

Python

 

1 2	for row in iter_data():     connection.execute('INSERT INTO my_table VALUES (?)', row)

你可以利用这个事实，即 executemany 接受元组的生成器作为参数：

 

 

 

 

 

Python

 

1 2 3 4

connection.executemany(     'INSERT INTO my_table VALUE (?)',     iter_data() )

这不仅更简洁，而且更高效。实际上，sqlite3 在幕后利用 executemany 实现 execute，但后者插入一行而不是多行。

我写了一个小的基准测试，将一百万行插入空表（数据库在内存中）：

• executemany: 1.6 秒
• execute: 2.7 秒

2. 你不需要游标

一开始我经常搞混的事情就是，光标管理。在线示例和文档中通常如下：

 

 

 

 

 

Python

 

1 2 3

connection = sqlite3.connect(':memory:') cursor = connection.cursor() # Do something with cursor

但大多数情况下，你根本不需要光标，你可以直接使用连接对象（本文末尾会提到）。
像execute和executemany类似的操作可以直接在连接上调用。以下是一个证明此事的示例：

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

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. 光标（Cursor）可被用于迭代

你可能经常会看到使用fetchone或fetchall来处理SELECT查询结果的示例。但是我发现处理这些结果的最自然的方式是直接在光标上迭代：

 

 

 

 

 

Python

 

1 2	for row in connection.execute('SELECT * FROM events'):     print(row)

这样一来，只要你得到足够的结果，你就可以终止查询，并且不会引起资源浪费。当然，如果事先知道你需要多少结果，可以改用LIMIT SQL语句，但Python生成器是非常方便的，可以让你将数据生成与数据消耗分离。

4. 使用Context Managers（上下文管理器）

即使在处理SQL事务的中间，也会发生讨厌的事情。为了避免手动处理回滚或提交，你可以简单地使用连接对象作为上下文管理器。 在以下示例中，我们创建了一个表，并错误地插入了重复的值：

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

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

…当它真的有用时

在你的程序中有几个 pragma 可用于调整 sqlite3 的行为。特别地，其中一个可以改善性能的是synchronous：

 

 

 

 

 

Python

 

1	connection.execute('PRAGMA synchronous = OFF')

你应该知道这可能是危险的。如果应用程序在事务中间意外崩溃，数据库可能会处于不一致的状态。所以请小心使用！ 但是如果你要更快地插入很多行，那么这可能是一个选择。

6. 推迟索引创建

假设你需要在数据库上创建几个索引，而你需要在插入很多行的同时创建索引。把索引的创建推迟到所有行的插入之后可以导致实质性的性能改善。

7. 使用占位符插入 Python 值

使用 Python 字符串操作将值包含到查询中是很方便的。但是这样做非常不安全，而 sqlite3 给你提供了更好的方法来做到这一点：厦门叉车

 

 

 

 

 

Python

 

1 2 3 4 5 6 7

# 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）的字符串插值对于executemany来说并不是总是可行。所以在此尝试没有什么真正意义！

请记住，这些小技巧可能会（也可能不会）给你带来好处，具体取决于特定的用例。你应该永远自己去尝试，决定是否值得这么做。