ORACLE+PYTHON实战：复制A表数据到B表

最近在学习python ，看到了pythod的oracle，不仅可以一次fetch多条，也可以一次insert多条，想写一个复制A表数据到B表的程序来看看实际效率能不能提高。写完发现，非常惊艳！效率提升了近一倍！ 当然可能会认为这个没有实际意义，其实不然。

从A表复制数据到B表有很多中方法，一般直接insert即可:

　　insert into tableA select * from tableB ;

但是当数据量非常大时，到达上亿水准的时候，这样做就很郁闷了，因为本身会跑很慢，又看不到进度，偶尔还会被数据库因为回滚段不够而悲剧。

所以，这种时候，我一般是用游标来做的：

declare
  v_num number ;
begin
  v_num:=0 ;
  for v_cur in (select t.prod_inst_id , t.acc_num , t.user_name from cust30.prod_inst t where rownum <50000 ) loop
  insert into test_prod_inst values (v_cur.prod_inst_id , v_cur.acc_num , v_cur.user_name) ;
  v_num:=v_num+1 ;
  if mod(v_num,50000) = 0 then
    commit ;
  end if ;
  end loop ;
end ;

　　

　(也可以用fetch一次多条的方式：bulk  但是实际测试实际快不了多少)。现在的想法就是拿python替代这个，实际代码如下：

#!/home/orashell/python27/bin/python
# -*- coding: utf-8 -*-
import os
import cx_Oracle

#需要设置这个不然插入中文会乱码
os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8'
#目的数据库
trans_to_db = cx_Oracle.connect('user/pass#@servicename')
#来源数据库
trans_from_db = cx_Oracle.connect('user/pass#@servicename')
#打开查询游标
curselect = trans_from_db.cursor()
#打开插入游标
curinsert = trans_to_db.cursor()

#根据游标生成插入的语句 需要根据已经打开的游标、目的表名 输出这样的
#insert into test_prod_inst (PROD_INST_ID,ACC_NUM,USER_NAME) values(:1,:2,:3)
#输入 fromcur 为一个已经打开的游标对象
#输入 totable 为目的表名
#输出 returnstr 为生成好的SQL
def getInsertSql( fromcur ,totable ):
    #习惯这样做 :) 先生成一个字符串模板 再替换
    returnstr = 'insert into '+totable+' (SELECTSTR) values(INSERTSTR)'
    # 得到游标的描述 cx_Oracle游标描述 本质为一个元组（见下） 第一列为字段名
    #[('PROD_INST_ID', <type 'cx_Oracle.NUMBER'>, 17, None, 16, 0, 0), ('ACC_NUM', <type 'cx_Oracle.STRING'>, 32, 96, None, None, 0), ('USER_NAME', <type 'cx_Oracle.STRING'>, 250, 750, None, None, 1)]
    curdesc = fromcur.description
    selectstr = ''
    insertstr = ''
    num=0
    #拼好字符串模板的 SELECTSTR 以及 INSERTSTR 部分
    for i in curdesc:
        num=num+1
        selectstr=selectstr+i[0]+','
        insertstr=insertstr+':'+str(num)+','
    #去掉最后一个','
    selectstr=selectstr[0:len(selectstr) - 1]
    insertstr=insertstr[0:len(insertstr) - 1]
    #替换
    returnstr=returnstr.replace('SELECTSTR',selectstr );
    returnstr=returnstr.replace('INSERTSTR',insertstr );
    return  returnstr
#实际执行的函数
def runmain():
    #用一个SQL生成游标
    curselect.execute('select  t.prod_inst_id , t.acc_num , t.user_name  from cust30.prod_inst t where rownum<10000 ')
    #得到插入游标的
    manyinserstr=getInsertSql(curselect, 'test_prod_inst')
    #插入游标 prepare
    curinsert.prepare(manyinserstr)
    while True:
        #fetch cx_Oracle fetch 当fetch 一条的时候 得到的是一行数据的元组 但是如果是多行 得到的是一个list
        #所以 fetchone的结果不转换 不能使用executemany
        x=curselect.fetchmany(5000)
        #插入
        curinsert.executemany(None, x)
        #提交
        trans_to_db.commit()
        #判断退出
        if len(x)==0:
            break

#执行
if __name__ == '__main__':
    runmain()
    trans_from_db.close
    trans_to_db.close

　　

本以为用这个会慢一些，因为实际上，这批数据库是过了网络的（数据-本机-数据库），而使用PLSQL是没有使用网络。但是用这个插了5000万数据，结果却不是这样，用了64秒，而用前文的第一种方式用了113秒，差不多是一倍的效率，这还是一个数据库两个表的复制，如果是两个数据库，跨dblink会更加明显。

原因我猜测是这么两个：

A：在实际insert的时候，cx_Oralce拆成了多个线程去处理。如果考虑实际在特别大数据量的时候，plsql这边也可以分为多个模处理，效率最终可能会卡在IO上。

B：oracle的内存管理更加复杂，会比python这种相当于手动管理的方式，消耗的资源会更多。

期待大神能够解惑。