Python 读取千万级数据自动写入 MySQL 数据库

待我称王封你为后i 2024-03-30 15:29 43阅读 0赞

Python 读取数据自动写入 MySQL 数据库，这个需求在工作中是非常普遍的，主要涉及到 python 操作数据库，读写更新等，数据库可能是 mongodb、 es，他们的处理思路都是相似的，只需要将操作数据库的语法更换即可。本篇文章会给大家系统的分享千万级数据如何写入到 mysql，分为两个场景，三种方式。

一、场景一：数据不需要频繁的写入mysql

使用 navicat 工具的导入向导功能。支持多种文件格式，可以根据文件的字段自动建表，也可以在已有表中插入数据，非常快捷方便。

![a0f57e57312656cd4146bd3750564c84.jpeg][]

![eb170066e75af27b5c3de27230ba1b21.jpeg][]

场景二：数据是增量的，需要自动化并频繁写入mysql

测试数据：csv 格式 ，大约 1200万行

import pandas as pd
    data = pd.read_csv('./tianchi_mobile_recommend_train_user.csv')
    data.shape

![a01cee82eae7555416dcfd2d6247d3b5.jpeg][]

打印结果

方式一：

*  python ➕ pymysql 库
 *  安装 pymysql 命令

pip install pymysql

代码实现

import pymysql
    
    # 数据库连接信息
    conn = pymysql.connect(
           host='127.0.0.1',
           user='root',
           passwd='wangyuqing',
           db='test01', 
           port = 3306,
           charset="utf8")
    
    # 分块处理
    big_size = 100000
    # 分块遍历写入到 mysql    
    with pd.read_csv('./tianchi_mobile_recommend_train_user.csv',chunksize=big_size) as reader:
    
        for df in reader:
    
            datas = []
            print('处理：',len(df))
    #         print(df)
            for i ,j in df.iterrows():
                data = (j['user_id'],j['item_id'],j['behavior_type'],
                        j['item_category'],j['time'])
                datas.append(data)
            _values = ",".join(['%s', ] * 5)
            sql = """insert into users(user_id,item_id,behavior_type
            ,item_category,time) values(%s)""" % _values
            cursor = conn.cursor()
            cursor.executemany(sql,datas)
            conn.commit()
     # 关闭服务      
    conn.close()
    cursor.close()
    print('存入成功！')

![c101620d187bf3473a3b92260989b067.jpeg][]

方式二：

*  pandas ➕ sqlalchemy：pandas需要引入sqlalchemy来支持sql，在sqlalchemy的支持下，它可以实现所有常见数据库类型的查询、更新等操作。

代码实现

from sqlalchemy import create_engine
    engine = create_engine('mysql+pymysql://root:wangyuqing@localhost:3306/test01')
    data = pd.read_csv('./tianchi_mobile_recommend_train_user.csv')
    data.to_sql('user02',engine,chunksize=100000,index=None)
    print('存入成功！')

![625b650221a4a753b094e33430218d37.jpeg][]

总结

pymysql 方法用时12分47秒，耗时还是比较长的，代码量大，而 pandas 仅需五行代码就实现了这个需求，只用了4分钟左右。

最后补充下，方式一需要提前建表，方式二则不需要。

所以推荐大家使用第二种方式，既方便又效率高。如果还觉得速度慢的小伙伴，可以考虑加入多进程、多线程。

最全的三种将数据存入到 MySQL 数据库方法：

*  直接存，利用 navicat 的导入向导功能
 *  Python pymysql
 *  Pandas sqlalchemy

[a0f57e57312656cd4146bd3750564c84.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/e0862928b559408a828cb070d78c81a2.jpeg
[eb170066e75af27b5c3de27230ba1b21.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/4cf38df369fd4710ada5b0c0686a9ce5.jpeg
[a01cee82eae7555416dcfd2d6247d3b5.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/2b63a0251f044c03b88dd6c1a66b86d1.jpeg
[c101620d187bf3473a3b92260989b067.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/906a04f86a8147f39cd6a7e2e4eb35ab.jpeg
[625b650221a4a753b094e33430218d37.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/637ecea67e2b45f0951b41f8deb6a0d4.jpeg