Python多线程批量插入数据小结

在测试的过程中,无法避免的需要做一些性能压测,造数据的时长在此时就会备受关注。比如,造数据的时候用多线程还是多进程,用直接插入DB方式还是用先写文件后导入mysql的方式,写文件是写批量sql后面source导入,还是写文本格式后面load ito file导入,使用不同的方法耗时结果肯定是不一样的。除此之外,还有mysql的版本,DB的引擎,表的结构设计这些都会影响大量数据插入的时间。

这次导入数据做了一个小试验:导入2000w笔数据到DB内。使用多线程的线程池技术,首先写2000w笔数据分成M个文件,然后使用N个线程去并发处理写好M个文件,并把M个文件导入到MYSQL中。之前同事写的文件后面都是用load data from file命令导入的,官网也有说明这个命令字跟insert比,性能会高出20倍,于是把这个命令字跟我常用的source命令字做了下对比,结论如下:

Python多线程批量插入数据小结

一、Insert命令字详解

基于这些试验和现象,确定load ito file加载数据的性能确实要比source导入大批量数据的性能更稳定,更快。但这又是为什么呢?查阅了下MYSQL的官网,insert命令字的插入过程如下,括号内的数字几乎表示可能占用的耗时比:

A: 打开连接:(3)

B: 向服务器发送查询:(2)

C:解析查询:(2)

D:插入行:(1×行大小)

E:插入索引:(1×数索引)

F:关闭连接(1)

以上步骤还不包含连接时,打开表的开销。 当大量的insert批量文件被多线程执行插入时,每一个线程都需要经过6步才能完成数据的插入,表的索引结构,表当前数据的行数对insert的每次插入都会影响。如果想提升写入大数据的性能,可以尝试批量insert(即insert后的值有多个values),这在一般情况下会单个insert要快,但是要注意设置mysql的bulk_insert_buffer_size参数的大小,之前开发有一些经验值,一般情况下是设置300-500一批插入性能最佳。但是想要性能更快更稳定,可以使用“LOAD DATA INFILE”,这个命令比单insert要快近20倍。

二、提升导入数据性能----mysql服务器端

1、当将数据导入到INNODB中时,关闭自动提交模式,因为在自动提交模式下,每一次插入都会刷新一次日志到磁盘。可以使用如下语句:

SET autocommit=0;
... SQL import statements ...
COMMIT;

2、关闭唯一索引。减少索引的插入和唯一性的校验。

SET unique_checks=0;
... SQL import statements ...
SET unique_checks=1;

3、关闭外键检查来加速表导入。

SET foreign_key_checks=0;
... SQL import statements ...
SET foreign_key_checks=1;

4、将innodb_autoinc_lock_mode设置为2,而不是默认值1。

5、在执行批量插入时,以主键顺序插入行更快。

6、字符串的拼接用 .join > a += b ,因为 +=方式每次要重新计算内存/分配。

7、Python的多线程在IO密集的应用场景下,可以写多个文件,让多线程的优势得到更充分的发挥。

8、批量插入时,多利用字段的默认值,字段值如果使用默认值,会缩端插入过程中对数据解析的时间。

三、过程遇到的问题以及解决办法

1、怎么快速删除2000w笔数据?

使用truncate 命令字,几秒内就能删除数据。如 :truncate table t_dc;

2、测试机器上网速很慢,无法安装python的第三方库怎么办?

在已经安装好的python的site-packages下复制使用的py脚本,然后放到对应机器上。如threadpool.py无法安装时,最快速的方法就是手工复制文件Python27\Lib\site-packages\threadpool.py使用。

3、mysqldb执行报错:Lock wait timeout exceeded; try restarting transaction

设置全局等待事务锁超时时间 :SET GLOBAL innodb_lock_wait_timeout=100;

查询全局等待事务锁超时时间 :SHOW GLOBAL VARIABLES LIKE 'innodb_lock_wait_timeout';

4、mysql事务锁如何查看:

在information_schema下面有三张表:INNODB_TRX、INNODB_LOCKS、INNODB_LOCK_WAITS(解决问题方法),通过这三张表,可以更简单地监控当前的事务并分析可能存在的问题。

当前运行的所有事务 :select * from information_schema.innodb_trx;

当前出现的锁 :select * from information_schema.innodb_locks;

锁等待的对应关系:select * from information_schema.innodb_lock_waits;

四:批量脚本(线程池+lLOAD DATA LOCAL INFILE)

#!/usr/bin/env python
#coding=GBK
import threadpool
import time,sys
from subprocess import call,Popen,PIPE

COUNT = 1000
process_num = 5
seperate = 100
dbHost='100.92.174.16'
dbUser='root'
dbPasswd='root1234'
dbOperater=None
baseData = {}
thread_arr=[]
detail_data={}
listid = 16080802011100100001
Ftde_id = 1
Fbank_list = 20171217761623447701
tablename = "epcc_check.t_dc_list"
resultDir = "/data/home/loleinaliao/loleinatext/"


#columns
order_columns="Fcheck_bank, Facc_day, Fbankaccno, Fbankusername, Famount, Fdc_type_id, Fori_accno, Fbank_status,Fid,Fbank_listid,Fbatchno"

#data
order_base="'4251','2018022721','6225425177777777800004','wltest','1','16','6225425177777777800004','00'"
tablename ="epcc_check_201810.t_dc_list_06"


def writeDownSqlData(fileName,content):
    fo = open(fileName,"w")
    fo.write(content)
    fo.close()

def make_t_tcpay_list(deal_num,Flistid,Ftde_id,Fbank_list):


    filename ="data_order_"+Fbank_list+".text"

Fbatchno = 'B201810070011'
    orderDataList = []

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/03d723505d99cc33585a127c671eccea.html