也谈SQLite效率：Julia和CSV

作者： 洪双龙 转载请注明出处，链接：http://blog.csdn.net/wowotuo/article/details/41909955

由于对SQLite数据比较感兴趣，所以想了解一下。SQLite工具用的是SQLite expert，感觉还不错。接下来的问题是，如何写SQLite数据库的操作脚本了。由于我用的是Julia，还好，Julia有一个SQLite库（https://github.com/quinnj/SQLite.jl）。

（一）Julia的SQLite库的安装

具体见：https://github.com/quinnj/SQLite.jl/issues/55

（二）新建表

假定，在相应的目录下，已经有数据库文件sqliteDB.db。

julia>using SQLite;
julia>db=SQLiteDB("C:UsersAdministratorDesktopsqliteDatasqliteDB.db");

julia>query(db,"CREATE TABLE newTest (DateTime DateTime,Price Float)");

这样，一个字段为DateTime,格式为DateTime,另一个字段为Price，格式Float的表已经建立了。

当然，数据查询就必须用上query了。

1、用法

julia>@time qb=query(db,stringSql)

部分数据内容如下：

| Row | "DateTime" | "Price" | "Volume" | "Bid" | "BidVolume" |
|-------|--------------------|---------|----------|--------|-------------|
| 1 | "2014/12/10 9:14" | 3159.8 | 698 | 3159.6 | 4 |
| 2 | "2014/12/10 9:15" | 3159.8 | 417 | 3159.8 | 171 |
| 3 | "2014/12/10 9:15" | 3162.0 | 336 | 3162.0 | 4 |
| 4 | "2014/12/10 9:15" | 3166.8 | 327 | 3166.8 | 87 |
| 5 | "2014/12/10 9:15" | 3167.8 | 289 | 3167.8 | 3 |
| 6 | "2014/12/10 9:15" | 3180.0 | 277 | 3180.0 | 8 |
| 7 | "2014/12/10 9:15" | 3181.2 | 534 | 3181.2 | 2 |
| 8 | "2014/12/10 9:15" | 3181.6 | 316 | 3181.6 | 12 |
| 9 | "2014/12/10 9:15" | 3189.4 | 249 | 3189.4 | 3 |

| Row | "Ask" | "AskVolume" |
|-------|--------|-------------|
| 1 | 3159.8 | 3 |
| 2 | 3162.0 | 1 |
| 3 | 3166.8 | 2 |
| 4 | 3167.6 | 1 |
| 5 | 3180.0 | 19 |
| 6 | 3183.6 | 2 |
| 7 | 3182.4 | 11 |
| 8 | 3189.0 | 1 |
| 9 | 3190.0 | 2 |
2、效率

（1）SQLite: query

数据库中的一个50多万行左右的表文件，字段有8个，大约4秒左右。需要说明的是，因为初次使用，表结构并没有进行任何优化，是SQLite直接导入进表的。

另外，读了一下数据表的另外一张表，存了三个月左右的高频TICK数据，共2222516行，字段大约Date,Time,Price,Volume等7个，花时情况：

elapsed time: 5.398775057 seconds (659623560 bytes allocated,19.68% gc time)

这个数据每一次都有一些变化，不过都在5-8秒左右。我读CSV的话，大约60-90秒不等。

（2）和读CSV文件相比：

julia>@time csv= readcsv("E:IFDataIFCSVnewIF01.csv") # 这个文件是IFnew表的一半内容，近30万行一个文件

elapsed time: 12.540684093 seconds (823640112 bytes allocated,12.28% gc time)

如果要读二个这样的CSV的话，我估计总要超过20秒左右。

（3）一次海量数据的查询：1100万笔

julia>using SQLite;
julia>db=SQLiteDB("C:UsersAdministratorDesktopsqliteDatasqliteDB.db")
julia>stringSql = "SELECT * FROM IFtick2 ";# 1111万笔的文件查询
julia>@time qb=query(db,stringSql)

elapsed time: 40.562814078 seconds (3029593036 bytes allocated,42.88% gc time)

单表查询，用时约41秒左右。不过，内存占用飚得历害！不过，估计很少有人，这么蛮干的。这么大的TXT文件没有读过，估计至少需要600秒时间。

总结：SQLite比读CSV在效率上还是有很大的提升，特别是文件越大，效率相对提升更加明显。大体上估计，效率可以提升5-10倍以上左右。

（四）Julia 的append

append的用法，很简单。就上面IFnew Table为例。

（1）一次insert 一笔记录

假定我们要insert 一笔记录在表的最后面，我们可以如下：

用法：

julia> table =["2014-9-15 15:19" 3260.0 700 3360.0 800 3620.0 12]；

julia> append(db,IFnew,table )

1x1 ResultSet
| Row | "Rows Affected" |
|-----|-----------------|
| 1 | 0 |

这个表明，insert 记录已经成功，你可以到SQLite expert 的Data中查看，在最后一行，增加了新的记录！

（2）一次insert N笔记录

对数据库的insert，尽量要单次多笔进行操作，可以提升操作效率。事实上，append中，已经使用了事务，也就是说，单笔和N笔已经等同。所以，尽量一次insert多笔效率会大幅提高。

以一次操作二笔记录为例：

julia> table2 =["2014-9-16 15:19" 3260.0 700 3360.0 800 3620.0 12;"2014-9-16 15:19" 3260.0 700 3360.0 800 3620.0 12]；

julia> append(db,"IFnew",table2 ) # IFnew 表，table在这里为append的内容

1x1 ResultSet
| Row | "Rows Affected" |
|-----|-----------------|
| 1 | 0 |

(3) 一次海量数据的append：一次30万笔

using SQLite;
db=SQLiteDB("C:UsersAdministratorDesktopsqliteDatasqliteDB.db")
csv= readcsv("E:IFDataIFCSVnewIF01.csv") # 大约30万行，9个字段的数据结构
table =csv[2:end,:] # 去掉第一行字段行
@elapsed append(db,table)

几次结果显示，时间在9-11秒之间。

(4) 直接用ResultSet来append ：一次220万笔

using SQLite;
db=SQLiteDB("C:UsersAdministratorDesktopsqliteDatasqliteDB.db")
stringSql = "SELECT * FROM IFtick ";# IFtick是一个200多万行的一个高频数据库，见上
qb=query(db,stringSql)

@elapsed append(db,"IFtick",qb)

惊喜是，这个库接接口做得非常好，可以直接用从SQLite查询的结果，方便地进行insert!，对格式的限制比较小。

在效率上，同样经测，完成一次220多万笔记录的insert大约在30秒左右。

总之，感觉是insert 比查询的效率要低，但是insert这个效率，还行，基本满足我的要求。因为，我并不太关心insert效率，这些操作都是在空余时间后完成的。

(五）Julia的ResultSet 类型

SQLite库还不错，SQLiteDB函数返回的是一个ResultSet类型的文件，基本上有矩阵的相关特性。

比如：

qb[1,1] ="SFIF0001"

qb[1,2] =734244.3861111 ;

qb.values[3][1] =3468.0;

.......

具体地说，ResultSet里面有二个字段，colnames,values.

另外，如果你需要，还可以把ResultSet转换成Matrix，这样，你就可以彻底做你想做的事情。（当然DataFrames类型也是可以的，我没有转过！）。

matdata =convert(Matrix,qb) # ResultSet =>Matrix

有了这些，就可以开始干活了，对数据库的数据进行封装了。

总结：Julia的SQLite库做得还不错，最重要的是SQLite数据库不仅简单，效率还不错！对于单机用户而言，推荐！

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!