将大量插入Postgres的最快方法是什么？

我需要以编程方式将数千万条记录中的10条插入到postgres数据库中。目前，我正在单个“查询”中执行1000条插入语句。

有一些更好的方法吗，一些我不知道的大容量插入语句？

PostgreSQL提供了有关如何最佳地初始填充数据库的指南，他们建议使用COPY命令批量加载行。该指南还提供了一些其他有关如何加快处理速度的很好的技巧，例如在加载数据之前删除索引和外键（然后再添加回去）。

有一种使用COPY的替代方法，它是Postgres支持的多行值语法。从文档中：

INSERT INTO films (code, title, did, date_prod, kind) VALUES
    ('B6717', 'Tampopo', 110, '1985-02-10', 'Comedy'),
    ('HG120', 'The Dinner Game', 140, DEFAULT, 'Comedy');

上面的代码插入了两行，但是您可以任意扩展它，直到达到准备好的语句标记的最大数量（可能是999美元，但我不确定100％）。有时人们不能使用COPY，这对于那些情况是值得的。

一种加快速度的方法是在一个事务中（例如1000）显式执行多次插入或复制。Postgres的默认行为是在每个语句之后提交，因此通过批量提交，可以避免一些开销。正如丹尼尔答案中的指南所述，您可能必须禁用自动提交才能正常工作。还要注意底部的注释，该注释建议将wal_buffers的大小增加到16 MB也可能有帮助。

UNNEST带有数组的函数可以与多行VALUES语法一起使用。我认为此方法比使用慢，COPY但对我使用psycopg和python（list传递给cursor.executepg的python ARRAY）很有用：

INSERT INTO tablename (fieldname1, fieldname2, fieldname3)
VALUES (
    UNNEST(ARRAY[1, 2, 3]), 
    UNNEST(ARRAY[100, 200, 300]), 
    UNNEST(ARRAY['a', 'b', 'c'])
);

无需VALUES将subselect与其他存在检查一起使用：

INSERT INTO tablename (fieldname1, fieldname2, fieldname3)
SELECT * FROM (
    SELECT UNNEST(ARRAY[1, 2, 3]), 
           UNNEST(ARRAY[100, 200, 300]), 
           UNNEST(ARRAY['a', 'b', 'c'])
) AS temptable
WHERE NOT EXISTS (
    SELECT 1 FROM tablename tt
    WHERE tt.fieldname1=temptable.fieldname1
);

与批量更新相同的语法：

UPDATE tablename
SET fieldname1=temptable.data
FROM (
    SELECT UNNEST(ARRAY[1,2]) AS id,
           UNNEST(ARRAY['a', 'b']) AS data
) AS temptable
WHERE tablename.id=temptable.id;

您可以使用COPY table TO ... WITH BINARY“ 比文本和CSV格式更快的速度 ”。仅当您要插入数百万行并且对二进制数据感到满意时，才执行此操作。

这是Python的示例配方，将psycopg2与二进制输入结合使用。

它主要取决于数据库中的（其他）活动。这样的操作有效地冻结了整个数据库以供其他会话使用。另一个考虑因素是数据模型以及约束，触发器等的存在。

我的第一种方法始终是：创建一个结构类似于目标表的（临时）表（创建表tmp AS select * from target，其中1 = 0），然后从将文件读入临时表开始。然后，我检查可以检查的内容：重复项，目标中已存在的键等。

然后，我只是执行“将目标插入到目标选择* from tmp中”或类似操作。

如果失败或花费太长时间，我将中止它并考虑其他方法（暂时删除索引/约束等）

我使用本机libpq方法实现了非常快速的Postgresq数据加载器。试试我的包https://www.nuget.org/packages/NpgsqlBulkCopy/

我刚遇到此问题，建议将csvsql（发行版）批量导入Postgres。要执行批量插入，您只需简单地createdb使用csvsql，然后使用即可连接到数据库，并为整个CSV文件夹创建单个表。

$ createdb test 
$ csvsql --db postgresql:///test --insert examples/*.csv

外部文件是最好的典型批量数据

术语“大量数据”与“大量数据”相关，因此很自然地使用原始原始数据，而无需将其转换为SQL。“批量插入”的典型原始数据文件为CSV和JSON格式。

批量插入并进行一些转换

在ETL应用程序和提取过程中，我们需要在插入数据之前对其进行更改。临时表会占用（大量）磁盘空间，但这并不是更快的方法。在PostgreSQL的外商数据封装器（FDW）是最好的选择。

CSV示例。假设tablename (x, y, z)on SQL和CSV文件类似

fieldname1,fieldname2,fieldname3
etc,etc,etc
... million lines ...

您可以使用经典的SQL COPY加载（作为原始数据）到tmp_tablename，它们将过滤后的数据插入到tablename...中，但是，为了避免占用磁盘，最好的方法是直接通过

INSERT INTO tablename (x, y, z)
  SELECT f1(fieldname1), f2(fieldname2), f3(fieldname3) -- the transforms 
  FROM tmp_tablename_fdw
  -- WHERE condictions
;

您需要为FDW准备数据库，而tmp_tablename_fdw可以使用静态函数来生成它：

CREATE EXTENSION file_fdw;
CREATE SERVER import FOREIGN DATA WRAPPER file_fdw;
CREATE FOREIGN TABLE tmp_tablename_fdw(
  ...
) SERVER import OPTIONS ( filename '/tmp/pg_io/file.csv', format 'csv');

JSON示例。一组的两个文件，myRawData1.json并且Ranger_Policies2.json可以通过摄入：

INSERT INTO tablename (fname, metadata, content)
 SELECT fname, meta, j  -- do any data transformation here
 FROM jsonb_read_files('myRawData%.json')
 -- WHERE any_condiction_here
;

函数jsonb_read_files（）读取文件夹的所有文件（由掩码定义）：

CREATE or replace FUNCTION jsonb_read_files(
  p_flike text, p_fpath text DEFAULT '/tmp/pg_io/'
) RETURNS TABLE (fid int,  fname text, fmeta jsonb, j jsonb) AS $f$
  WITH t AS (
     SELECT (row_number() OVER ())::int id, 
           f as fname,
           p_fpath ||'/'|| f as f
     FROM pg_ls_dir(p_fpath) t(f)
     WHERE    f like p_flike
  ) SELECT id,  fname,
         to_jsonb( pg_stat_file(f) ) || jsonb_build_object('fpath',p_fpath),
         pg_read_file(f)::jsonb
    FROM t
$f$  LANGUAGE SQL IMMUTABLE;

缺少gzip流

最常见的“文件提取”方法（主要是在Big Data中）是将原始文件保存为 gzip格式，并使用流算法进行传输，这种方法可以快速运行并且在unix管道中不会消耗磁盘：

 gunzip remote_or_local_file.csv.gz | convert_to_sql | psql 

因此，理想（未来）是format 的服务器选项.csv.gz。