ここでは、Python 3 FROM COPYのバイナリ等価である:
from io import BytesIO
from struct import pack
import psycopg2
# Two rows of data; "id" is not in the upstream data source
# Columns: node, ts, val1, val2
data = [(23253, 342, -15.336734, 2494627.949375),
(23256, 348, 43.23524, 2494827.949375)]
conn = psycopg2.connect("dbname=mydb user=postgres")
curs = conn.cursor()
# Determine starting value for sequence
curs.execute("SELECT nextval('num_data_id_seq')")
id_seq = curs.fetchone()[0]
# Make a binary file object for COPY FROM
cpy = BytesIO()
# 11-byte signature, no flags, no header extension
cpy.write(pack('!11sii', b'PGCOPY\n\377\r\n\0', 0, 0))
# Columns: id, node, ts, val1, val2
# Zip: (column position, format, size)
row_format = list(zip(range(-1, 4),
('i', 'i', 'h', 'f', 'd'),
(4, 4, 2, 4, 8)))
for row in data:
# Number of columns/fields (always 5)
cpy.write(pack('!h', 5))
for col, fmt, size in row_format:
value = (id_seq if col == -1 else row[col])
cpy.write(pack('!i' + fmt, size, value))
id_seq += 1 # manually increment sequence outside of database
# File trailer
cpy.write(pack('!h', -1))
# Copy data to database
cpy.seek(0)
curs.copy_expert("COPY num_data FROM STDIN WITH BINARY", cpy)
# Update sequence on database
curs.execute("SELECT setval('num_data_id_seq', %s, false)", (id_seq,))
conn.commit()
更新
私はCOPYのためのファイルを書く上のアプローチを書き直しました。 Pythonの私のデータはNumPy配列になっているので、これらを使うのは理にかなっています。ここで1M行、7列を持つと、いくつかの例data
です:
CREATE TABLE num_data_binary
(
id integer PRIMARY KEY,
node integer NOT NULL,
ts smallint NOT NULL,
s0 real,
s1 real,
s2 real,
s3 real,
s4 real,
s5 real,
s6 real
) WITH (OIDS=FALSE);
とnum_data_text
という名前の別な表:私のデータベースで
import psycopg2
import numpy as np
from struct import pack
from io import BytesIO
from datetime import datetime
conn = psycopg2.connect("dbname=mydb user=postgres")
curs = conn.cursor()
# NumPy record array
shape = (7, 2000, 500)
print('Generating data with %i rows, %i columns' % (shape[1]*shape[2], shape[0]))
dtype = ([('id', 'i4'), ('node', 'i4'), ('ts', 'i2')] +
[('s' + str(x), 'f4') for x in range(shape[0])])
data = np.empty(shape[1]*shape[2], dtype)
data['id'] = np.arange(shape[1]*shape[2]) + 1
data['node'] = np.tile(np.arange(shape[1]) + 1, shape[2])
data['ts'] = np.repeat(np.arange(shape[2]) + 1, shape[1])
data['s0'] = np.random.rand(shape[1]*shape[2]) * 100
prv = 's0'
for nxt in data.dtype.names[4:]:
data[nxt] = data[prv] + np.random.rand(shape[1]*shape[2]) * 10
prv = nxt
、私は2つのように見えるのテーブルを持っています。ここで
はnumpyのレコード配列内の情報を使用して、COPY(テキストとバイナリ形式の両方)のためのデータを準備するためにいくつかの簡単なヘルパー関数です:
def prepare_text(dat):
cpy = BytesIO()
for row in dat:
cpy.write('\t'.join([repr(x) for x in row]) + '\n')
return(cpy)
def prepare_binary(dat):
pgcopy_dtype = [('num_fields','>i2')]
for field, dtype in dat.dtype.descr:
pgcopy_dtype += [(field + '_length', '>i4'),
(field, dtype.replace('<', '>'))]
pgcopy = np.empty(dat.shape, pgcopy_dtype)
pgcopy['num_fields'] = len(dat.dtype)
for i in range(len(dat.dtype)):
field = dat.dtype.names[i]
pgcopy[field + '_length'] = dat.dtype[i].alignment
pgcopy[field] = dat[field]
cpy = BytesIO()
cpy.write(pack('!11sii', b'PGCOPY\n\377\r\n\0', 0, 0))
cpy.write(pgcopy.tostring()) # all rows
cpy.write(pack('!h', -1)) # file trailer
return(cpy)
この私がヘルパー関数を使用していますかベンチマーク2つのCOPYフォーマット方法:
def time_pgcopy(dat, table, binary):
print('Processing copy object for ' + table)
tstart = datetime.now()
if binary:
cpy = prepare_binary(dat)
else: # text
cpy = prepare_text(dat)
tendw = datetime.now()
print('Copy object prepared in ' + str(tendw - tstart) + '; ' +
str(cpy.tell()) + ' bytes; transfering to database')
cpy.seek(0)
if binary:
curs.copy_expert('COPY ' + table + ' FROM STDIN WITH BINARY', cpy)
else: # text
curs.copy_from(cpy, table)
conn.commit()
tend = datetime.now()
print('Database copy time: ' + str(tend - tendw))
print(' Total time: ' + str(tend - tstart))
return
time_pgcopy(data, 'num_data_text', binary=False)
time_pgcopy(data, 'num_data_binary', binary=True)
ここでは、最後の2つのtime_pgcopy
コマンドからの出力です:
Processing copy object for num_data_text
Copy object prepared in 0:01:15.288695; 84355016 bytes; transfering to database
Database copy time: 0:00:37.929166
Total time: 0:01:53.217861
Processing copy object for num_data_binary
Copy object prepared in 0:00:01.296143; 80000021 bytes; transfering to database
Database copy time: 0:00:23.325952
Total time: 0:00:24.622095
したがって、NumPy→ファイルとファイル→データベースステップの両方が、バイナリアプローチでは高速です。明らかな違いは、PythonがCOPYファイルをどのように準備するのかです。一般に、バイナリ形式は、このスキーマのテキスト形式として、2/3の時間でデータベースに読み込まれます。
最後に、データベース内の両方のテーブルの値を比較して、数値が異なるかどうかを確認しました。行の約1.46%が列s0
の値が異なり、この部分はs6
の6.17%に増加します(おそらく、私が使用したランダムメソッドに関連しています)。すべての70M 32ビット浮動小数点値間のゼロでない絶対差は、9.3132257e-010と7.6293945e-006の間の範囲です。テキスト読み込みメソッドとバイナリ読み込みメソッドの小さな違いは、テキストフォーマットメソッドに必要なfloat→text→float変換の精度の低下によるものです。
まあ、あなたは[COPYでバイナリファイルをインポートする]ことができますが(http://www.postgresql.org/docs/9.1/interactive/sql-copy.html)、そのためにはファイル全体が必要です1つの値だけでなく、特定のバイナリ形式。 –
@Erwin、はい私はCOPYのバイナリモードについて読みましたが、psycopg2でサポートされているかどうか、あるいは別の方法を使用するべきかどうかはわかりません。 –
私が使用したバイナリファイル形式の唯一のアプリケーションは、* PostgreSQLからエクスポートされたファイルをインポートすることです。私は特定のフォーマットを書くことができる他のプログラムについては知らない。しかしどこかでそこに出ることができないというわけではありません。繰り返し操作の場合は、Postgresをテキスト形式で一度コピーし、バイナリファイルを書き出し、次にCOPY FROM .. FORMAT BINARYを書き込んでください。 –