如何在 psycopg2 中使用服务器端游标

Question

我有一个有 400 万行的表，我使用 psycopg2 来执行：

   SELECT * FROM ..WHERE query

我之前没有听说过服务器端游标，当您期望获得大量结果时，我正在阅读它是一个很好的做法。

我发现文档有点有限，我有一些基本问题。

首先，我将服务器端游标声明为：

cur = conn.cursor('cursor-name')

然后我执行查询为：

cur.itersize = 10000
sqlstr = "SELECT clmn1, clmn2 FROM public.table WHERE clmn1 LIKE 'At%'"
cur.execute(sqlstr)

我的问题是：我现在该怎么办？ 我如何获得结果？

我是否遍历行：

row = cur.fetchone()
while row:
   row = cur.fetchone()

或者我使用 fetchmany() 并且我这样做：

row = cur.fetchmany(10)

但在第二种情况下，我如何“滚动”结果？

还有 itersize 的意义是什么？

Answer 1

Psycopg2 有一个很好的界面来处理服务器端游标。 这是一个可能使用的模板：

with psycopg2.connect(database_connection_string) as conn:
    with conn.cursor(name='name_of_cursor') as cursor:

        cursor.itersize = 20000

        query = "SELECT * FROM ..."
        cursor.execute(query)

        for row in cursor:
            # process row 

上面的代码创建连接并自动将查询结果放入服务器端游标中。 值itersize设置客户端将从服务器端游标一次下拉的行数。 您使用的值应该平衡网络调用的数量与客户端上的内存使用情况。 例如，如果您的结果计数为 300 万，则itersize值为 2000（默认值）将导致 1500 次网络调用。 如果 2000 行消耗的内存很少，请增加该数字。

当for row in cursor使用for row in cursor您当然一次处理一行，但 Psycopg2 将为您一次预取itersize行。

如果您出于某种原因想使用fetchmany ，您可以执行以下操作：

while True:
    rows = cursor.fetchmany(100)
    if len(rows) > 0:
        for row in rows:
            # process row
    else:
        break

fetchmany这种用法不会触发对服务器的网络调用以获取更多行，直到预取批次用完为止。 （这是一个复杂的例子，上面的代码没有提供任何内容，但演示了如何在需要时使用fetchmany 。）

Answer 2

除了cur.fetchmany(n)您还可以使用 PostgreSQL游标：

cur.execute("declare foo cursor for select * from generate_series(1,1000000)")
cur.execute("fetch forward 100 from foo")
rows = cur.fetchall()
# ...
cur.execute("fetch forward 100 from foo")
rows = cur.fetchall()
# and so on

Answer 3

当我不想一次加载数百万行时，我倾向于做这样的事情。 如果您将数百万行加载到内存中，您可以将程序变成一个非常占用内存的程序。 特别是如果您要从这些行或类似的东西中制作 python 域对象。 我不确定名称中的uuid4是否必要，但我的想法是，如果两个进程进行相同的查询，我希望单个服务器端游标不重叠。

from uuid import uuid4
import psycopg2

def fetch_things() -> Iterable[MyDomainObject]:
    with psycopg2.connect(database_connection_string) as conn:
        with conn.cursor(name=f"my_name_{uuid4()}") as cursor:
            cursor.itersize = 500_000

            query = "SELECT * FROM ..."
            cursor.execute(query)

            for row in cursor:
                yield MyDomainObject(row)

如果有人知道这是否会在 SQL 服务器或类似问题上造成存储问题，我很感兴趣。