时间戳

首页 > 解决方案 > to_sql pyodbc 计数字段不正确或语法错误

python - to_sql pyodbc 计数字段不正确或语法错误

问题描述

我正在从 api 网站下载 Json 数据，并使用 sqlalchemy、pyodbc 和 pandas 的 to_sql 函数将该数据插入 MSSQL 服务器。

我最多可以下载 10000 行，但是我必须将块大小限制为 10，否则我会收到以下错误：

DBAPIError: (pyodbc.Error) ('07002', '[07002] [Microsoft][SQL Server Native Client 11.0]COUNT 字段不正确或语法错误 (0) (SQLExecDirectW)') [SQL: 'INSERT INTO [TEMP_produce_entity_details]

大约有 5 亿行要下载，它只是以这种速度爬行。关于解决方法的任何建议？

谢谢，

标签： pythonsql-serverpandaspyodbc

解决方案

在提出这个问题时，pandas 0.23.0 刚刚发布。该版本将默认行为.to_sql()从调用 DBAPI.executemany()方法更改为构造表值构造函数 (TVC)，通过一次.execute()调用 INSERT 语句插入多行来提高上传速度。不幸的是，这种方法经常超过 T-SQL 对存储过程的 2100 个参数值的限制，从而导致问题中引用的错误。

此后不久，随后发布的 pandasmethod=为.to_sql(). 默认 - method=None- 恢复了之前的 using 行为.executemany()，而指定method="multi"将告诉.to_sql()使用较新的 TVC 方法。

大约在同一时间，SQLAlchemy 1.3 发布，它添加了一个fast_executemany=True参数，create_engine()使用 Microsoft 的 SQL Server ODBC 驱动程序大大提高了上传速度。通过这种增强，method=None证明至少与method="multi"避免 2100 参数限制时一样快。

因此，对于当前版本的 pandas、SQLAlchemy 和 pyodbc，使用.to_sql()Microsoft 的 SQL Server ODBC 驱动程序的最佳方法是使用fast_executemany=True和默认行为.to_sql()，即

connection_uri = (
    "mssql+pyodbc://scott:tiger^5HHH@192.168.0.199/db_name"
    "?driver=ODBC+Driver+17+for+SQL+Server"
)
engine = create_engine(connection_uri, fast_executemany=True)
df.to_sql("table_name", engine, index=False, if_exists="append")

对于在 Windows、macOS 和 Microsoft 支持其 ODBC 驱动程序的 Linux 变体上运行的应用程序，这是推荐的方法。如果您需要使用 FreeTDS ODBC，则.to_sql()可以使用 和 调用，method="multi"如下chunksize=所述。

（原答案）

在 pandas 0.23.0 版之前，to_sql将为 DataTable 中的每一行生成一个单独的 INSERT：

exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    0,N'row000'
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    1,N'row001'
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    2,N'row002'

大概是为了提高性能，pandas 0.23.0 现在生成一个表值构造函数来每次调用插入多行

exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6),@P3 int,@P4 nvarchar(6),@P5 int,@P6 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2), (@P3, @P4), (@P5, @P6)',
    0,N'row000',1,N'row001',2,N'row002'

问题是 SQL Server 存储过程（包括系统存储过程，如sp_prepexec）被限制为 2100 个参数，所以如果 DataFrame 有 100 列，那么to_sql一次只能插入大约 20 行。

我们可以chunksize使用

# df is an existing DataFrame
#
# limit based on sp_prepexec parameter count
tsql_chunksize = 2097 // len(df.columns)
# cap at 1000 (limit for number of rows inserted by table-value constructor)
tsql_chunksize = 1000 if tsql_chunksize > 1000 else tsql_chunksize
#
df.to_sql('tablename', engine, index=False, if_exists='replace',
          method='multi', chunksize=tsql_chunksize)

但是，最快的方法仍然可能是：

  • 将 DataFrame 转储到 CSV 文件（或类似文件），然后

  • 让 Python 调用 SQL Serverbcp实用程序将该文件上传到表中。

推荐阅读