详细内容或原文请订阅后点击阅览
更快并不总是更好：在 Python 中选择正确的 PostgreSQL 插入策略（+基准）
PostgreSQL 速度很快。你的 Python 代码是否能够或应该跟上取决于上下文。本文对各种插入策略进行了比较和基准测试，重点不是微基准测试，而是安全性、抽象性和吞吐量之间的权衡，并为工作选择正确的工具。文章更快并不总是更好：在 Python 中选择正确的 PostgreSQL 插入策略（+基准）首先出现在 Towards Data Science 上。
来源:走向数据科学演示了每秒 2M 条记录插入 Postgres 是完全可能的。在本文中，我们不会追逐微基准，而是退一步问一个更重要的问题：哪些抽象实际上适合我们的工作负载？
我们将了解使用 Python 将数据插入 Postgres 的 5 种方法。我们的目标不是仅仅关注插入速度并加冕胜利者，而是了解抽象、安全、便利和性能之间的权衡。
最后你会明白：
为什么快速插入很重要
大容量插入工作负载随处可见：
微小的低效率会迅速加剧。将 3 分钟的插入作业变成 10 秒的作业可以减少系统负载、释放工作人员并提高整体吞吐量。
也就是说，更快并不意味着更好。当工作量很小时，为了边际收益而牺牲清晰度和安全性很少会得到回报。
了解性能何时重要及其原因才是真正的目标。
我们使用什么工具来插入？
要与我们的 Postgres 数据库对话，我们需要一个数据库驱动程序。在我们的例子中，这是 psycopg3，SQLAlchemy 位于顶部。这是一个快速区别：
Psycopg3（驱动程序）
psycopg3 是 Python 的低级 PostgreSQL 驱动程序。这是一个非常薄的抽象，具有最小的开销，可以直接与 Postgres 对话。
权衡是责任：您自己编写 SQL、管理沐浴并显式处理正确性。
SQLAlchemy
SQLAlchemy 位于 psycopg3 等数据库驱动程序之上，并提供两层：
1) SQLAlchemy 核心 2) SQLAlchemy ORM 简而言之：简单地说：
基准
为了保持基准公平：