Python多线程批量插入数据小结

在测试的过程中，无法避免的需要做一些性能压测，造数据的时长在此时就会备受关注。比如，造数据的时候用多线程还是多进程，用直接插入DB方式还是用先写文件后导入 mysql 的方式，写文件是写批量 sql 后面source导入，还是写文本格式后面load ito file导入，使用不同的方法耗时结果肯定是不一样的。除此之外，还有mysql的版本，DB的引擎，表的结构设计这些都会影响大量数据插入的时间。

这次导入数据做了一个小试验：导入2000w笔数据到DB内。使用多线程的线程池技术，首先写2000w笔数据分成M个文件，然后使用N个线程去并发处理写好M个文件，并把M个文件导入到MYSQL中。之前同事写的文件后面都是用load data from file命令导入的，官网也有说明这个命令字跟insert比，性能会高出20倍，于是把这个命令字跟我常用的source命令字做了下对比，结论如下：

一、Insert命令字详解

基于这些试验和现象，确定load ito file加载数据的性能确实要比source导入大批量数据的性能更稳定，更快。但这又是为什么呢？查阅了下MYSQL的官网，insert命令字的插入过程如下，括号内的数字几乎表示可能占用的耗时比：

A: 打开连接：（3）

B: 向服务器发送查询：（2）

C:解析查询：（2）

D:插入行：（1×行大小）

E:插入索引：（1×数索引）

F：关闭连接（1）

以上步骤还不包含连接时，打开表的开销。 当大量的insert批量文件被多线程执行插入时，每一个线程都需要经过6步才能完成数据的插入，表的索引结构，表当前数据的行数对insert的每次插入都会影响。如果想提升写入大数据的性能，可以尝试批量insert（即insert后的值有多个values），这在一般情况下会单个insert要快，但是要注意设置mysql的bulk_insert_buffer_size参数的大小，之前开发有一些经验值，一般情况下是设置300-500一批插入性能最佳。但是想要性能更快更稳定，可以使用“LOAD DATA INFILE”，这个命令比单insert要快近20倍。

二、提升导入数据性能----mysql服务器端

1、当将数据导入到INNODB中时，关闭自动提交模式，因为在自动提交模式下，每一次插入都会刷新一次日志到磁盘。可以使用如下语句：

SET autocommit=0;

... SQL import statements ...

COMMIT;

2、关闭唯一索引。减少索引的插入和唯一性的校验。

SET unique_checks=0;

... SQL import statements ...

SET unique_checks=1;

3、关闭外键检查来加速表导入。

SET foreign_key_checks=0;

... SQL import statements ...

SET foreign_key_checks=1;

4、将innodb_autoinc_lock_mode设置为2，而不是默认值1。

5、在执行批量插入时，以主键顺序插入行更快。

6、字符串的拼接用 .join > a += b ，因为 +=方式每次要重新计算内存/分配。

7、 Python 的多线程在IO密集的应用场景下，可以写多个文件，让多线程的优势得到更充分的发挥。

8、批量插入时，多利用字段的默认值，字段值如果使用默认值，会缩端插入过程中对数据解析的时间。

三、过程遇到的问题以及解决办法

1、怎么快速删除2000w笔数据？

使用truncate 命令字，几秒内就能删除数据。如 ：truncate table t_dc;

2、测试机器上网速很慢，无法安装python的第三方库怎么办？

在已经安装好的python的site-packages下复制使用的py脚本，然后放到对应机器上。如threadpool.py无法安装时，最快速的方法就是手工复制文件Python27\Lib\site-packages\threadpool.py使用。

3、mysqldb执行报错：Lock wait timeout exceeded; try restarting transaction

设置全局等待事务锁超时时间 ：SET GLOBAL innodb_lock_wait_timeout=100;

查询全局等待事务锁超时时间 ：SHOW GLOBAL VARIABLES LIKE 'innodb_lock_wait_timeout';

4、mysql事务锁如何查看：

在information_schema下面有三张表:INNODB_TRX、INNODB_LOCKS、INNODB_LOCK_WAITS（解决问题方法），通过这三张表，可以更简单地监控当前的事务并分析可能存在的问题。

当前运行的所有事务 ：select * from information_schema.innodb_trx;

当前出现的锁 ：select * from information_schema.innodb_locks；

锁等待的对应关系：select * from information_schema.innodb_lock_waits；

四：批量脚本（线程池+lLOAD DATA LOCAL INFILE）

#!/usr/bin/env python

#coding=GBK

import threadpool

import time,sys

from subprocess import call,Popen,PIPE

COUNT = 1000

process_num = 5

seperate = 100

dbHost='100.92.174.16'

dbUser='root'

dbPasswd='root1234'

dbOperater=None

baseData = {}

thread_arr=[]

detail_data={}

listid = 16080802011100100001

Ftde_id = 1

Fbank_list = 20171217761623447701

tablename = "epcc_check.t_dc_list"

resultDir = "/data/home/loleinaliao/loleinatext/"

#columns

order_columns="Fcheck_bank, Facc_day, Fbankaccno, Fbankusername, Famount, Fdc_type_id, Fori_accno, Fbank_status,Fid,Fbank_listid,Fbatchno"

#data

order_base="'4251','2018022721','6225425177777777800004','wltest','1','16','6225425177777777800004','00'"

tablename ="epcc_check_201810.t_dc_list_06"

def writeDownSqlData(fileName,content):

fo = open(fileName,"w")

fo.write(content)

fo.close()

def make_t_tcpay_list(deal_num,Flistid,Ftde_id,Fbank_list):

filename ="data_order_"+Fbank_list+".text"

Fbatchno = 'B201810070011'

orderDataList = []

for i in range(int(deal_num)):

orderData=""

orderData = "%s,'%s','%s','%s'" % (order_base, Ftde_id, Fbank_list, Fbatchno)

orderDataList.append(orderData)

Ftde_id = int(Ftde_id) + 1

Flistid = int(Flistid) + 1

Fbank_list = int(Fbank_list) + 1

writeDownSqlData(resultDir+filename, "\n".join(orderDataList) + "\n")

loadDataIntoDB(resultDir+filename,tablename,order_columns)

def loadDataIntoDB(filename,tableName,order_columns):

mysqlCmd = r"LOAD DATA LOCAL INFILE '%s' into table %s FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '\''  LINES TERMINATED BY '\n' (%s"%(filename,tableName,order_columns)+")"

mysqlConCmd = r"mysql -u%s -p%s -h%s"%(dbUser,dbPasswd,dbHost)

runCmd = mysqlConCmd+' -e "'+mysqlCmd+'"'

result = call(runCmd,shell=True)

if result != 0:

print "load local data into database failed,exit "

sys.exit()

if __name__ == "__main__":

start = time.time()

begin_Flistid ='110180809100012153304210311120'

begin_Ftde_id ="1"

begin_Fbank_seq ="2018100800000110734321790770100"

total_num  =20000000

threadpool_num = 20

func_var=[]

seperate =2000

pool = threadpool.ThreadPool(threadpool_num)

for i  in range(seperate):

list_temp =[]

list_temp =[str(total_num/seperate),begin_Flistid,begin_Ftde_id,begin_Fbank_seq]

func_var.append((list_temp,None))

begin_Flistid = str(int(begin_Flistid)+ total_num/threadpool_num)

begin_Ftde_id = str(int(begin_Ftde_id)+ total_num/threadpool_num)

begin_Fbank_seq = str(int(begin_Fbank_seq)+ total_num/threadpool_num)

pool = threadpool.ThreadPool(threadpool_num)

requests = threadpool.makeRequests(make_t_tcpay_list, func_var)

for req in requests:

pool.putRequest(req)

pool.wait()

end = time.time()

print end - start

Linux公社的RSS地址 ： https://www.linuxidc.com/rssFeed.aspx

本文永久更新链接地址： https://www.linuxidc.com/Linux/2018-11/155255.htm