MySQL插入...使用django 1.4进行大容量插入时的重复键更新

Question

我在弄清楚MySQL插件时遇到了一些问题...关于django 1.4的重复密钥更新。

我试图插入记录的表有一个2列(复合)的唯一键。我收到的记录来自第三方来源，值将随着时间的推移而变化，除了那些构成唯一密钥集的字段。我一次收到1~ 5k条记录，需要

目前我正在使用Model.objects.bulk_create进行大容量插入，性能真的很惊人，因为它通常会发出一个查询，而不管记录集有多大。但是，由于我的记录在第三方端可能会随着时间的推移而更改，因此我需要执行MySQL插入...在记录集上执行重复键更新查询。

我计划编写原始SQL语句，并使用如下代码执行：

sql = "MySQL INSERT ... ON DUPLICATE KEY UPDATE"

raw_insert(sql)

def raw_insert(sql):
    from django.db import connection, transaction
    cursor = connection.cursor()

    # Data modifying operation - commit required
    cursor.execute(sql)
    transaction.commit_unless_managed()

    return 1

想知道是否有更好的方法来解决我的问题。另外，如何清理原始插入的字段值？

Answer 1

所以我创建了一个自定义管理器。这是经理：

class BulkInsertManager(models.Manager):
    def _bulk_insert_or_update(self, create_fields, update_fields, values):

        from django.db import connection, transaction
        cursor = connection.cursor()

        db_table = self.model._meta.db_table

        values_sql = []
        values_data =[]

        for value_lists in values:
            values_sql.append( "(%s)" % (','.join([ "%s" for i in range(len(value_lists))]),) )
            values_data.extend(value_lists)

        base_sql = "INSERT INTO %s (%s) VALUES " % (db_table, ",".join(create_fields))

        on_duplicates = []

        for field in update_fields:
            on_duplicates.append(field + "=VALUES(" + field +")")

        sql = "%s %s ON DUPLICATE KEY UPDATE %s" % (base_sql, ", ".join(values_sql), ",".join(on_duplicates))

        cursor.executemany(sql, [values_data])
        transaction.commit_unless_managed()

和一个示例模型：

class User_Friend(models.Model):
    objects = BulkInsertManager() # assign a custom manager to handle bulk insert

    id = models.CharField(max_length=255)
    user = models.ForeignKey(User, null=False, blank=False)
    first_name = models.CharField(max_length=30)
    last_name = models.CharField(max_length=30)
    city = models.CharField(max_length=50, null=True, blank=True)
    province = models.CharField(max_length=50, null=True, blank=True)
    country =  models.CharField(max_length=30, null=True, blank=True)

和示例实现：

def save_user_friends(user, friends):
    user_friends = []
    for friend in friends:

        create_fields = ['id', 'user_id', 'first_name', 'last_name', 'city', 'province', 'country']
        update_fields = ['first_name', 'last_name', 'city', 'province', 'country']

        user_friends.append(
            [
                str(user.id), 
                str(friend['id']),
                friend['first_name'],
                friend['last_name'],
                friend['city'],
                friend['province'],
                friend['country'],
            ]
        )

    User_Friend.objects._bulk_insert_or_update(create_fields, update_fields, user_friends)

这是gist。

Answer 2

您可以使用ModelForm进行清理：

from django.forms.models import modelform_factory
form_class = modelform_factory(MyModel)

for obj in my_data:
    form = form_class(obj)
    if not form.is_valid():
        raise Hell()

至于原始的SQL，我说去吧。看起来Django的ORM并不支持ON DUPLICATE KEY UPDATE，所以不要让它妨碍你。The Django docs talk about doing it without any reservation。

不过，使用Manager.raw可能是值得的。