10万行以上数据写入应优先使用copy_from(),因其绕过SQL解析、权限检查等环节,直接向存储层写入格式化数据流,实测百万级写入比execute_values()快2.4倍、内存低33%;5万~10万行可调优execute_values();单条循环插入必须禁用。

直接结论:10万行以上数据,别用 executemany() 或 to_sql(),优先走 copy_from();5万~10万之间可调优 execute_values();单条循环插入是性能毒药,必须禁用。
为什么 copy_from() 是百万级写入的首选
它绕过 SQL 解析、权限检查、触发器、约束校验(除 NOT NULL)等执行器环节,直接把格式化数据流喂给存储层。实测 1000 万行写入,copy_from() 比 execute_values() 快 2.4 倍,内存峰值低 33%,CPU 利用率更均衡。
- 必须预处理数据为制表符分隔的文本流(
),空值统一用\N或空字符串(由null参数控制) - 字段顺序必须与表定义或
columns参数严格一致,不支持列名映射 - 不支持
ON CONFLICT,冲突需前置清洗或改用临时表 +INSERT ... SELECT ... ON CONFLICT - 错误定位困难:某一行格式错,整个批次报
psycopg2.DataError,需自行切片重试
execute_values() 的实用调优点
它是 executemany() 的增强版,在 VALUES 多行拼接基础上做了参数绑定和分页优化,适合需要事务一致性、带约束/触发器、或要保留 RETURNING 的场景。
-
page_size设为 500~2000 最稳;低于 500 网络往返多,高于 2000 易触发 PostgreSQL 单语句长度限制(默认 1GB) - 避免在循环里反复创建
cursor,复用同一连接下的 cursor 实例 - 如果表有多个索引,插入前临时
SET LOCAL enable_indexscan = off无效,真正有效的是建表时用CREATE INDEX CONCURRENTLY或批量后补索引 - 配合
connection.autocommit = False,每 5000 行显式conn.commit(),防长事务阻塞 vacuum
哪些写法必须立刻停用
不是“不够好”,而是会在线上引发雪崩:
- 用
for record in data: cursor.execute("INSERT ...", record)—— 每条都走完整事务链路,10 万行 ≈ 10 万次 WAL 刷盘 - 用
pandas.to_sql(..., chunksize=1)或默认chunksize不设 —— 默认 1000 行/批但内部仍逐条 bind,实际仍是伪批量 - 拼接超长
VALUES (...), (...), ...字符串 —— Python 字符串对象膨胀快,易 OOM;PostgreSQL 解析器也吃不消 - 在未关闭 autocommit 的连接上跑大批量插入 —— 每条语句自动 commit,I/O 放大到极致
最常被忽略的点:COPY 的性能优势高度依赖客户端与数据库之间的网络延迟和带宽。如果 Python 脚本跑在远端云主机,而 PostgreSQL 在内网,copy_from() 的吞吐提升可能打折扣——这时应优先确认网络路径,而不是换库或降级方案。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!











