Di seguito è riportato il mio codice con il quale vorrei un aiuto. Devo eseguirlo su oltre 1.300.000 righe, il che significa che richiede fino a 40 minuti per inserire ~ 300.000 righe.Come velocizzare l'inserimento di massa in MS SQL Server da CSV utilizzando pyodbc
I figure bulk insert è il percorso per accelerare? Oppure perché sto iterando sulle righe tramite la porzione for data in reader:
?
#Opens the prepped csv file
with open (os.path.join(newpath,outfile), 'r') as f:
#hooks csv reader to file
reader = csv.reader(f)
#pulls out the columns (which match the SQL table)
columns = next(reader)
#trims any extra spaces
columns = [x.strip(' ') for x in columns]
#starts SQL statement
query = 'bulk insert into SpikeData123({0}) values ({1})'
#puts column names in SQL query 'query'
query = query.format(','.join(columns), ','.join('?' * len(columns)))
print 'Query is: %s' % query
#starts curser from cnxn (which works)
cursor = cnxn.cursor()
#uploads everything by row
for data in reader:
cursor.execute(query, data)
cursor.commit()
sto raccogliendo in modo dinamico le intestazioni delle colonne di proposito (come vorrei creare il codice più divinatorio possibile).
SpikeData123 è il nome della tabella.
Una volta che il codice funziona correttamente, rimuovere la stampa dovrebbe renderlo più veloce. – zulq