COPY如何工作，为什么它比INSERT这么快？

COPY如何工作，为什么它比INSERT这么快？

这里有许多因素在起作用：

• 网络延迟和往返延迟
• PostgreSQL中按语句的开销
• 上下文切换和调度程序延迟

• COMMIT

  成本，如果对于每个插入一次执行一次提交的人（不是）

• COPY

  批量加载的特定优化

网络延迟

如果服务器是远程服务器，则您可能正在“支付”每个语句的固定时间“价格”，例如50毫秒（1/20秒）。对于某些云托管数据库，甚至更多。由于下一个插入 *** 作要等到最后一个 *** 作成功完成后才能开始，所以这意味着您的
最大 插入速率是每秒1000 /来回延迟毫秒数行。延迟为50毫秒（“
ping时间”），即20行/秒。即使在本地服务器上，此延迟也不为零。Wheras

COPY

只是填充TCP发送和接收窗口，并且以DB可以写入它们并网络可以传输它们的速度来传输流。它不受延迟的影响很大，并且可能每秒在同一网络链接上插入数千行。

PostgreSQL中的每个陈述式成本

在PostgreSQL中解析，计划和执行语句也有成本。它必须要加锁，打开关系文件，查找索引等。

COPY

在开始时尝试一次完成所有这些 *** 作，然后只专注于尽可能快地加载行。

任务/上下文切换成本

由于 *** 作系统必须在您的应用程序准备和发送时在等待行的postgres之间切换，然后在postgres处理该行的同时等待postgres的响应的应用程序之间切换，因此还要支付更多的时间成本。每次从一个切换到另一个时，都会浪费一点时间。当进程进入和离开等待状态时，可能会浪费更多时间来挂起和恢复各种低级内核状态。

错过了COPY优化

最重要的是，

COPY

有一些优化可以用于某些负载。例如，如果没有生成的键并且任何默认值都是常量，它可以预先计算它们并完全绕过执行程序，从而将数据快速加载到较低级别的表中，从而完全跳过了PostgreSQL的部分正常工作。如果您

CREATETABLE

或

TRUNCATE

与您处于同一事务中

COPY

，则可以绕过多客户端数据库中所需的常规事务簿记，从而做更多的技巧来加快加载速度。

尽管如此，PostgreSQL

COPY

仍然可以做更多的事情来加快速度，这是它尚不知道如何做的事情。如果您要更改表的一定比例，它可能会自动跳过索引更新，然后重建索引。它可以批量进行索引更新。还有更多。

提交费用

最后要考虑的一件事是提交成本。对于您来说，这可能不是问题，因为

psycopg2

默认情况下会打开一个事务，直到您告知后才提交。除非您告诉它使用自动提交。但是对于许多数据库驱动程序，自动提交是默认设置。在这种情况下，您将每次执行一次提交

INSERT

。这意味着一个磁盘刷新，服务器确保将内存中的所有数据写出到磁盘上，并告诉磁盘将自己的缓存写出到持久性存储中。这可能需要很
长时间 时间，并且因硬件而异。我的基于SSD的NVMe BTRFS笔记本电脑只能执行200 fsyncs
/秒，而不是每秒300,000次非同步写入。因此它只会加载200行/秒！某些服务器只能执行50 fsync
/秒。有些可以做到20,000。因此，如果必须定期提交，则尝试分批加载和提交，进行多行插入等。由于最后

COPY

只提交一次，因此提交成本可以忽略不计。但这也意味着

COPY

无法从数据中途的错误中恢复；它会取消整个批量加载。