Python Pandas MySQL - 为什么在将 SQLite 写入数据库时如此之快

Question

我正在开发一个网站，用户在其中将 csv 文件直接导入数据库和前端，一旦数据被归档到数据库中，它就会对数据执行一些数据分析。 I'm using pandas to convert the csv to a dataframe and to subsequently import that dataframe into the MySQL database:

导入 MySQL 数据库：

engine = create_engine('mysql+mysqlconnector://[username]:[password]@[host]:[port]/[schema]', echo=False)
df = pd.read_csv('C:/Users/[user]/Documents/Sales_Records.csv')
df.to_sql(con= engine, name='data', if_exists='replace')

这样做的问题是，对于我使用的数据集（500 万行），性能太慢并且操作超时而没有导入数据。 但是，如果我尝试除使用 SQLite3 之外的相同操作：

导入 SQLite3 数据库：

conn = sqlite3.connect('customer.db')
df = pd.read_csv('C:/Users/[user]/Documents/Sales_Records.csv')
df.to_sql('Sales', conn, if_exists='append', index=False)
mycursor = conn.cursor()
query = 'SELECT * FROM Sales LIMIT 10'
print(mycursor.execute(query).fetchall())

此代码块在几秒钟内执行并导入数据集的所有 500 万行。 所以我该怎么做？ 我预计不会有多人同时传入大型数据集，所以我认为放弃 MySQL 并不会因为 SQLite 在此应用程序中提供的明显性能优势而受到伤害。 只是感觉有更好的方法......

Answer 1

MySQL 通过网络连接将数据发送到磁盘。

SQLite3 直接通过磁盘发送数据。

看看https://gist.github.com/jboner/2841832

您没有提到 MySQL 服务器在哪里。 但即使它在您的本地计算机上，它也会通过 TCP/IP 堆栈，而 SQLite 将直接写入磁盘。