sqlite - 大SELECT优化

我在Python中使用SQLite做一个大的文件管理系统，我有一个大的平面文件(1亿行)，我想用3列(整数)的值进行排序，这样我就可以进行迭代和计算。我有一个大的平面文件(1亿行)，我想用3列(是整数)的值进行排序，这样我就可以进行迭代和计算。

我使用了SQLite与一个大的 SELECT ... ORDER BY (在一列上有一个索引)。由于这个大 SELECT 对内存要求太高，我需要多次调用（用 OFFSET 和 LIMIT).

我可以使用Linux sort，但我希望它是独立于平台的。它工作得很好（只要正确设置PRAGMA），但速度很慢。如何优化？

命令是这样的。

PRAGMA journal_mode = OFF
PRAGMA synchronous = 0
PRAGMA locking_mode = EXCLUSIVE
PRAGMA count_change = OFF
PRAGMA temp_store = 2
CREATE TABLE tmpTranscripts_arm_3R_transcripts (id INTEGER PRIMARY KEY, name varchar(255), chromosome varchar(255), start int(11), end int(11), direction tinyint(4), tags varchar(1023), bin int(11), exons varchar(10000))
CREATE INDEX 'iTranscript_arm_3R_14943' ON 'tmpTranscripts_arm_3R_transcripts' (start, end, direction)
INSERT INTO tmpTranscripts_arm_3R_transcripts (name, chromosome, start, end, direction, tags, bin, exons) VALUES ('SRR060644.1', 'arm_3R', 11450314, 11450337, -1, 'feature=transcript;bestRegion=(self);nbGaps=0;nbMismatches=0;ID=SRR060644.1;identity=100.0', 300011450, '')
(this, more than 10 millions times)
SELECT * FROM tmpTranscripts_arm_3R_transcripts ORDER BY start, end, direction LIMIT 0, 10000
(this, as much as needed)

我已经写了一些示例脚本，创建你的数据库，并通过它的所有元素。它看起来比你在评论中写的快得多。你确定数据库访问是一个瓶颈吗？也许在你的脚本中，你做了更多的事情，这需要这么多的时间。

我检查了2个数据库，SQLite和MongoDB，有500万个项目，对于SQLite来说，插入所有的行需要大约1200秒，选择它们大约300秒，MongoDB更快，插入需要大约400秒，而选择不到100秒。

请用我的样本检查你的代码，并检查你的选择是否类似。我使用了光标而不是LIMITOFFSET.如果这仍然没有帮助，那么我认为MongoDB值得一试。它有一个缺点--它需要64位的操作系统来支持大型数据库（比如你的）。如果你以前使用过它，那么这里是最短的Windows安装指南。

• 下载并解压MongoDB for windows 64-bit，来自 http:/www.mongodb.orgdownloads
• 运行 "mongod.exe --dbpath ."
• 下载python 2.x的模块 http:/pypi.python.orgpypipymongo。 或对python 3.x的 http:/pypi.python.orgpypipymongo3。
• 运行我的脚本

这里是我的python 3.x的SQLite测试脚本。

import sqlite3
from time import time

conn = sqlite3.connect('test.dbase')

c = conn.cursor()

c.execute("""PRAGMA journal_mode = OFF""")
c.execute("""PRAGMA synchronous = 0""")
c.execute("""PRAGMA locking_mode = EXCLUSIVE""")
c.execute("""PRAGMA count_change = OFF""")
c.execute("""PRAGMA temp_store = 2""")

c.execute("""CREATE TABLE tmpTranscripts_arm_3R_transcripts (id INTEGER PRIMARY KEY, name varchar(255), chromosome varchar(255), start int(11), end int(11), direction tinyint(4), tags varchar(1023), bin int(11), exons varchar(10000))""")
c.execute("""CREATE INDEX 'iTranscript_arm_3R_14943' ON 'tmpTranscripts_arm_3R_transcripts' (start, end, direction)""")

t1 = time()

for i in range(0, 5000000):
    c.execute("""INSERT INTO tmpTranscripts_arm_3R_transcripts (name, chromosome, start, end, direction, tags, bin, exons) VALUES ('SRR060644.1', 'arm_3R', %d, %d, %d, 'feature=transcript;bestRegion=(self);nbGaps=0;nbMismatches=0;ID=SRR060644.1;identity=100.0', 300011450, '')""" % ((i+123)%352, (i+523)%422, (i+866)%536))
    if(not i%10000):
        print("Insert:", i)

t2 = time()
print("Insert time", t2-t1)

conn.commit()

t1 = time()
c.execute("""SELECT * FROM tmpTranscripts_arm_3R_transcripts ORDER BY start, end, direction""")

i = 0
for row in c:
    a = row[0]
    if(not i%10000):
        print("Get:", i, row)
    i+=1

t2 = time()
print("Sort time", t2-t1)

c.close()

而对于MongoDB

from pymongo import Connection
from pymongo import ASCENDING, DESCENDING
from time import time

connection = Connection()
connection = Connection('localhost', 27017)
db = connection['test-database']
collection = db['test-collection']
posts = db.posts

posts.create_index([("start", ASCENDING), ("end", ASCENDING), ("direction", ASCENDING)])

t1 = time()

for i in range(0, 5000000):
    post = { "name": 'SRR060644.1',
            "chromosome": 'arm_3R',
            "start": (i+123)%352,
            "end": (i+523)%422,
            "direction": (i+866)%536,
            "tags": 'feature=transcript;bestRegion=(self);nbGaps=0;nbMismatches=0;ID=SRR060644.1;identity=100.0',
            "bin": 300011450,
            "exons": ''}

    posts.insert(post)

    if(not i%10000):
        print("Insert:", i)

t2 = time()
print("Insert time", t2-t1)

t1 = time()

i = 0
for post in posts.find().sort([("start", ASCENDING), ("end", ASCENDING), ("direction", ASCENDING)]):
    if(not i%10000):
        print("Get:", i, post)
    i+=1

t2 = time()
print("Sort time", t2-t1)