to_sql pyodbc 计数字段不正确或语法错误

Question

我正在从 api 网站下载 Json 数据，并使用 sqlalchemy、pyodbc 和 pandas' to_sql 函数将该数据插入 MSSQL 服务器。

我最多可以下载 10000 行，但是我必须将块大小限制为 10，否则会出现以下错误：

DBAPIError: (pyodbc.Error) ('07002', '[07002] [Microsoft][SQL Server Native Client 11.0]COUNT field incorrect or syntax error (0) (SQLExecDirectW)') [SQL: 'INSERT INTO [TEMP_producing_entity_details]

大约有 5 亿行要下载，它只是以这种速度爬行。关于解决方法的任何建议？

谢谢，

Answer 1

提出这个问题时，pandas 0.23.0 刚刚发布。该版本将 .to_sql() 的默认行为从调用 DBAPI .executemany() 方法更改为构建 table-value 构造函数 (TVC)，该构造函数通过使用单个 [= 插入多行来提高上传速度16=] 调用 INSERT 语句。不幸的是，这种方法经常超过 T-SQL 对存储过程的 2100 个参数值的限制，导致问题中引用的错误。

此后不久，pandas 的后续版本向 .to_sql() 添加了一个 method= 参数。默认值 - method=None - 恢复了以前使用 .executemany() 的行为，而指定 method="multi" 会告诉 .to_sql() 使用较新的 TVC 方法。

大约在同一时间，SQLAlchemy 1.3 发布，它向 create_engine() 添加了一个 fast_executemany=True 参数，这大大提高了使用 Microsoft 的 ODBC 驱动程序 SQL 的上传速度服务器。通过这种增强，method=None 被证明至少与 method="multi" 一样快，同时避免了 2100 个参数的限制。

因此，对于 pandas、SQLAlchemy 和 pyodbc 的当前版本，将 .to_sql() 与用于 SQL 服务器的 Microsoft ODBC 驱动程序一起使用的最佳方法是使用fast_executemany=True 和 .to_sql() 的默认行为，即

connection_uri = (
    "mssql+pyodbc://scott:tiger^5HHH@192.168.0.199/db_name"
    "?driver=ODBC+Driver+17+for+SQL+Server"
)
engine = create_engine(connection_uri, fast_executemany=True)
df.to_sql("table_name", engine, index=False, if_exists="append")

这是 Windows、macOS 和 Microsoft 支持其 ODBC 驱动程序的 Linux 变体上的应用程序运行的推荐方法。如果您需要使用 FreeTDS ODBC，则可以使用 method="multi" 和 chunksize= 调用 .to_sql()，如下所述。

（原答案）

在 pandas 版本 0.23.0 之前，to_sql 会为 DataTable 中的每一行生成一个单独的 INSERT：

exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    0,N'row000'
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    1,N'row001'
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)',
    2,N'row002'

大概是为了提高性能，pandas 0.23.0 现在生成一个 table 值构造函数以在每次调用时插入多行

exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6),@P3 int,@P4 nvarchar(6),@P5 int,@P6 nvarchar(6)',
    N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2), (@P3, @P4), (@P5, @P6)',
    0,N'row000',1,N'row001',2,N'row002'

问题是SQL服务器存储过程（包括像sp_prepexec这样的系统存储过程）被限制为2100个参数，所以如果DataFrame有100列那么to_sql只能一次插入大约 20 行。

我们可以使用

计算所需的chunksize

# df is an existing DataFrame
#
# limit based on sp_prepexec parameter count
tsql_chunksize = 2097 // len(df.columns)
# cap at 1000 (limit for number of rows inserted by table-value constructor)
tsql_chunksize = 1000 if tsql_chunksize > 1000 else tsql_chunksize
#
df.to_sql('tablename', engine, index=False, if_exists='replace',
          method='multi', chunksize=tsql_chunksize)

但是，最快的方法仍然可能是：

将 DataFrame 转储到 CSV 文件（或类似文件），然后
让 Python 调用 SQL 服务器 bcp 实用程序将该文件上传到 table.

Answer 2

根据 Gord Thompson 的回答做了一些修改。这将 auto-calculate 块大小并将其保持为符合 2100 个参数限制的最接近整数值：

import math
df_num_of_cols=len(df.columns)
chunknum=math.floor(2100/df_num_of_cols)
df.to_sql('MY_TABLE',con=engine,schema='myschema',chunksize=chunknum,if_exists='append',method='multi',index=False )

Answer 3

没有名气，所以我无法对 Amit S 发表评论。我只是尝试这种方式，使用设置为 'multi' 的方法计算 chuknum 仍然向我显示错误：

[Microsoft][SQL Server Native Client 11.0][SQL Server]传入请求的参数过多。服务器最多支持 2100 个参数。减少参数个数，重新发送请求

所以我刚刚修改了：

chunknum=math.floor(2100/df_num_of_cols)

到

chunknum=math.floor(2100/df_num_of_cols) - 1

它现在似乎运行良好。我觉得应该是边缘问题...

Answer 4

对我来说解决方案是不使用：

engine = create_engine(connection_uri, fast_executemany=True)

相反，我只是玩了：

df.to_sql('tablename', engine, index=False, if_exists='replace',
          method='multi', chunksize=100)

在这里我输入了 chunksize=90 而不是 chunksize=100 并且它开始工作了。显然，因为之前的 table 更小，对于更多的列，您可能需要更小的列数。如果您不想玩可能由于各种原因而出错的计算，请玩玩它。

to_sql pyodbc 计数字段不正确或语法错误

to_sql pyodbc count field incorrect or syntax error

python

sql-server

pyodbc

pandas