最近做的项目,有个需求(从Elastic Search取数据,业务运算后),每次要向MySQL插入1300万条数据左右。最初用MySQL的executemany()一次插入10000条数据,统计的时间如下:
如上,插入时间由于系统的IO变化,会有波动,最快在4秒左右。
后改为"load data infile"大概,10万条数据平均1秒~1.5秒,实际的代码示例如下:
query = "LOAD DATA INFILE '/var/lib/mysql-files/es.csv' INTO TABLE g_visit_relation_asset_temp FIELDS TERMINATED BY ',' LINES TERMINATED BY '\n' IGNORE 1 LINES \
(srcip, srcport, dstip, dstport, l7p, @dummy, cnt, @dummy, cnt_date)"
mysqlcur.execute(query)
mysqlconn.commit()
说明:
(1)MySQL需要开启对"load data inflie"的权限支持
mysqlcur.execute("SET GLOBAL local_infile = 1")
(2) _需要对mysql文件目录(笔者: “/var/lib/my-files/”)有管理员的权限_(查看mysql路径,用“locate mysql”)
如果没有的话,可以指定本地路径,需要加上关键字"local"即: LOAD DATA LOCAL
(3)Concurrency 支持
如果默认是 LOW_PRIORITY
,则LOAD DATA要等其它客户端读完了,才会开始写入。加上“Concurrency ”可以,在读的同时,同时支持写入,不过速度会稍微下降一点,笔者测试环境影响不大
(4)IGNORE 1 LINES (跳过第一行)
笔者通过python pandas to_csv()导出的csv是带标题的,如下:
不需要标题导入到数据库,就调过嘛
(5)@dummy ,通过占位符,跳过不需要的数据
导入到表的column顺序必须和文件保持一致,通过@dummy可以跳过不需要的column
(6)character set 指定字符集
对于汉字,你需要加上 character set utf8
(8)分隔符及换行符
以“,“作为分隔符,以“\n"作为换行符: FIELDS TERMINATED BY ',' LINES TERMINATED BY '\n'
其他性能优化相关(Only for MyISAM**):**
通过设置隔离级别、去除索引检查、唯一性检查等提高速度(分session和global级别)提高写入速度,插入之前,设置如下配置:
mysqlcur.execute("SET SESSION FOREIGN_KEY_CHECKS = 0")
mysqlcur.execute("SET SESSION UNIQUE_CHECKS = 0")
mysqlcur.execute("SET SESSION tx_isolation='READ-UNCOMMITTED'")
mysqlcur.execute("SET SESSION sql_log_bin = 0")
Loda data infile 完了再改回去,如下:
mysqlcur.execute("SET SESSION FOREIGN_KEY_CHECKS = 1")
mysqlcur.execute("SET SESSION UNIQUE_CHECKS = 1")
mysqlcur.execute("SET SESSION tx_isolation='REPEATABLE-READ'")
mysqlcur.execute("SET SESSION sql_log_bin = 1")
“DISABLE KEYS” 然后 “ENABLE KEYS”,笔者实际测试没什么用,只是导入数据更快,总的时间并没有提升。区别在于:一个是插入一条,创建一个索引;一个是全部导入完了后,再一次创建所有索引。
引用:
- 如何导入5亿条数据到mysql — https://derwiki.tumblr.com/post/24490758395/loading-half-a-billion-rows-into-mysql (自备梯子)
- MySQL 官方文档说明 — https://dev.mysql.com/doc/refman/8.0/en/load-data.html
*******************************************************************************************
精力有限,想法太多,专注做好一件事就行
- _我只是一个程序猿。_5年内把代码写好,技术博客字字推敲,坚持零拷贝和原创
- 写博客的意义在于_打磨文笔,_训练逻辑条理性,加深对知识的系统性理解;如果恰好又对别人有点帮助,那真是一件令人开心的事
*******************************************************************************************