[英]Python - Parallel SQL Queries and return dataframes for each
所以我一直在研究 Python 中的多進程或並行進程來執行大約十幾個 SQL 查詢。 現在,查詢是串行完成的,大約需要 4 分鍾,其中 1 個查詢與其他 11 個查詢一樣長。 所以理論上,如果我可以並行運行所有查詢,我至少可以將總運行時間減少一半。
我正在嘗試按照以下方式做一些事情,但如果我目前的思維過程確實可行,我無法找到支持文檔:
所以,說我有:
SSMS_query1 = "SELECT * FROM TABLE1"
SSMS_query2 = "SELECT * FROM TABLE2"
HANADB_query3 = "SELECT * FROM TABLE3"
因此,要連接到 SSMS,我使用:
import pyodbc
server = "server_name"
cnxn = pyodbc.connect("DRIVER={SQL Server};SERVER=" + server + ";trusted_connection=Yes")
然后連接到我的HANAdb,我使用:
from hdbcli import dbapi
conn = dbapi.connect(address="", port=, user="", password="")
然后基本上我想做一些可以利用池來節省時間的事情,例如:
import pandas as pd
with cnxn, conn as ssms, hana:
df1 = pd.read_sql(SSMS_query1, ssms)
df2 = pd.read_sql(SSMS_query2, ssms)
df3 = pd.read_sql(HANADB_query3, hana)
我試過使用:
import multiprocessing
import threading
但是我無法得到想要的 output,因為最終我想要 output df1、df2 和 df3 到 excel。 那么如何存儲數據幀並將它們用作 output 稍后使用並行性?
我認為多線程可能比不知道要創建的數據幀有多大的多處理更有效,因為通常使用多處理將結果從子進程移回主進程會有更多的開銷。 但由於查詢需要 4 分鍾,我不得不假設數據量相當大。 此外,大部分時間都花在了非常適合多線程的網絡活動上。
在這里,我假設最壞的情況是無法在線程之間共享數據庫連接。 如果不是這種情況,則只創建一個連接並將其用於所有提交的任務:
from multiprocessing.pool import ThreadPool
import time
import pandas as pd
import pyodbc
def run_sql(conn, sql):
return pd.read_sql(sql, conn)
def main():
SSMS_query1 = "SELECT * FROM TABLE1"
SSMS_query2 = "SELECT * FROM TABLE2"
HANADB_query3 = "SELECT * FROM TABLE3"
queries = (SSMS_query1, SSMS_query2, HANADB_query3)
n_queries = len(queries)
server = "server_name"
connections = [
pyodbc.connect("DRIVER={SQL Server};SERVER=" + server + ";trusted_connection=Yes")
for _ in range(n_queries)
]
t0 = time.time()
# One thread per query:
with ThreadPool(n_queries) as pool:
results = pool.starmap(run_sql, zip(connections, queries))
t1 = time.time()
print(results)
print(t1 - t0)
if __name__ == '__main__':
main()
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.