SQLAlchemy 在查询 [INFORMATION_SCHEMA].[TABLES] 时插入期间挂起

问题描述 投票：0回答：3

我有一个使用 SQLAlchemy 将一些数据插入 MS SQL Server 数据库的 Python 进程。当 Python 进程运行时，它会在插入期间挂起。我打开 SQLAlchemy 日志记录来获取更多信息。我发现它挂在此时，SQLAlchemy 似乎正在请求有关整个数据库的表模式信息：

2020-10-30 08:12:07 [11444:6368] sqlalchemy.engine.base.Engine._execute_context(base.py:1235) INFO: SELECT [INFORMATION_SCHEMA].[TABLES].[TABLE_NAME] 
FROM [INFORMATION_SCHEMA].[TABLES] 
WHERE [INFORMATION_SCHEMA].[TABLES].[TABLE_SCHEMA] = CAST(? AS NVARCHAR(max)) AND [INFORMATION_SCHEMA].[TABLES].[TABLE_TYPE] = CAST(? AS NVARCHAR(max)) ORDER BY [INFORMATION_SCHEMA].[TABLES].[TABLE_NAME]
2020-10-30 08:12:07 [11444:6368] sqlalchemy.engine.base.Engine._execute_context(base.py:1240) INFO: ('dbo', 'BASE TABLE')

此时数据库中正在进行其他“事情”，包括一些未完成的事务，我的猜测是，无论出于何种原因查询

[INFORMATION_SCHEMA].[TABLES]
都会以某种方式创建一些死锁或阻塞。

我还读到（here）

[INFORMATION_SCHEMA].[TABLES]
是一种不会导致僵局的视图，这与我对导致此问题的原因的猜测相矛盾。

我的问题是：我可以更改 SQLAlchemy 的配置/设置，以便它一开始就不会进行此查询吗？

更新1： 插入的Python代码是这样的：

with sqlalchemy.create_engine("mssql+pyodbc:///?odbc_connect=%s" % params).connect() as connection:
    # df is a Pandas DataFrame
    df.to_sql(name=my_table, con=connection, if_exists='append', index=False)

请注意，当我在一天中没有进行其他数据库事务的其他时间运行 Python 脚本时，代码可以正常工作。在这些情况下，日志会立即像这样继续，列出数据库中的所有表：

2020-10-30 08:13:03 [11444:6368] sqlalchemy.engine.base.Engine._execute_context(base.py:1235) INFO: SELECT [INFORMATION_SCHEMA].[TABLES].[TABLE_NAME] 
FROM [INFORMATION_SCHEMA].[TABLES] 
WHERE [INFORMATION_SCHEMA].[TABLES].[TABLE_SCHEMA] = CAST(? AS NVARCHAR(max)) AND [INFORMATION_SCHEMA].[TABLES].[TABLE_TYPE] = CAST(? AS NVARCHAR(max)) ORDER BY [INFORMATION_SCHEMA].[TABLES].[TABLE_NAME]
2020-10-30 08:13:03 [11444:6368] sqlalchemy.engine.base.Engine._execute_context(base.py:1240) INFO: ('dbo', 'BASE TABLE')
2020-10-30 08:13:03 [11444:6368] sqlalchemy.engine.base.Engine._init_metadata(result.py:810) DEBUG: Col ('TABLE_NAME',)
2020-10-30 08:13:03 [11444:6368] sqlalchemy.engine.base.Engine.process_rows(result.py:1260) DEBUG: Row ('t_table1',)
2020-10-30 08:13:03 [11444:6368] sqlalchemy.engine.base.Engine.process_rows(result.py:1260) DEBUG: Row ('t_table2',)
...

更新2： 显然，当在开放事务中创建表或其他对象但尚未提交时，查询

[INFORMATION_SCHEMA].[TABLES]
将被阻止（source）。有熟悉 SQLAlchemy 内部结构的人建议如何阻止它首先进行此查询吗？

更新 3：在 SQLAlchemy github 上发布此问题后（问题链接），SQLAlchemy 开发人员确认 [INFORMATION_SCHEMA].[TABLES] 的查询实际上是由 Pandas function 

to_sql()
引起的。

所以，我的新问题是有人知道如何在 Pandas 

to_sql()
函数中禁用此行为吗？我查看了文档，但找不到任何有帮助的内容。

python sql-server pandas sqlalchemy pyodbc
3个回答
1
投票

我对 SQLAlchemy 不是很熟悉，但我可以告诉你这个问题的 Pandas 方面。

如果表不存在，Pandas 会自动创建一个新表。它判断表是否存在的方法是调用 SQL Alchemy 中的 

has_table()
。 
has_table()
的工作方式是查询信息模式。 （至少，它在 MySQL 和 MSSQL 中是这样工作的。）

实施细节

这是我在 Pandas 和 SQLAlchemy 中追踪逻辑的发现。我们从 pandas/io/sql.py 开始，里面 

to_sql()
.

        table = SQLTable(
            name,
            self,
            frame=frame,
            index=index,
            if_exists=if_exists,
            index_label=index_label,
            schema=schema,
            dtype=dtype,
        )
        table.create()

SQLTable.create() 定义在这里：

class SQLTable(PandasObject):
    [...]
    def create(self):
        if self.exists():
            if self.if_exists == "fail":
                raise ValueError(f"Table '{self.name}' already exists.")
            elif self.if_exists == "replace":
                self.pd_sql.drop_table(self.name, self.schema)
                self._execute_create()
            elif self.if_exists == "append":
                pass
            else:
                raise ValueError(f"'{self.if_exists}' is not valid for if_exists")
        else:
            self._execute_create()

请注意，它无条件调用 

exists()
。在
SQLTable.exists()
里面，你会发现这个：

    def exists(self):
        return self.pd_sql.has_table(self.name, self.schema)

这最终会在 SQLAlchemy 中调用

has_table()
：https://docs.sqlalchemy.org/en/13/core/internals.html#sqlalchemy.engine.default.DefaultDialect.has_table

对于 MSSQL，这是在 SQLAlchemy 中的 sqlalchemy/dialects/mssql/base.py 中实现的：

    @_db_plus_owner
    def has_table(self, connection, tablename, dbname, owner, schema):
        if tablename.startswith("#"):  # temporary table
            [...]
        else:
            tables = ischema.tables

            s = sql.select(tables.c.table_name).where(
                sql.and_(
                    tables.c.table_type == "BASE TABLE",
                    tables.c.table_name == tablename,
                )
            )

            if owner:
                s = s.where(tables.c.table_schema == owner)

            c = connection.execute(s)

            return c.first() is not None

（

ischema
是information_schema的缩写，此代码正在该表上运行选择。）

如何解决这个问题

我没有看到一个好的、简单的方法来解决这个问题。 Pandas 假设 

has_table()
是一个廉价的操作。 MSSQL 不遵循这个假设。无论
if_exists
设置为什么，Pandas都会在
has_table()
期间调用
to_sql()
。

不过，我可以想出一种巧妙的方法来做到这一点。如果你要 monkey-patch 

pandas.io.sql.SQLTable.create()
使其成为无操作，那么你可以欺骗 Pandas 认为该表已经存在。这样做的缺点是 Pandas 不会自动创建表。

1
投票

在调用to_sql/之前执行设置事务隔离级别读取未提交

0
投票

我创建这个问题是为了跟踪

仅当表名称包含大写字母时才会发生这种情况。 

MyTable
会卡住，而
mytable
会成功完成。

这是 Pandas 需要纠正的问题吗？还是 SQLAchemy？

解决方法

有一个解决方法 - 在 SQLAchemy 引擎中将 

Transaction Isolation Level
设置为 
Read Uncommitted
。

https://docs.sqlalchemy.org/en/20/dialects/mssql.html#transaction-isolation-level

engine = sa.create_engine("mssql+pyodbc:///?odbc_connect={}".format(params)
                          , fast_executemany=True
                           , isolation_level="READ UNCOMMITTED"
                          )
最新问题
© www.soinside.com 2019 - 2024. All rights reserved.