原文地址：https://github.com/danielbeach/testingArrowADBCdrivers

测试数据库插入性能

本项目比较了将 CSV 文件读取并插入数据库的不同方法，包括：

• PyArrow + ADBC - 使用 PyArrow 读取 CSV，并使用 ADBC 驱动插入 Postgres
• Polars + ADBC - 使用 Polars 读取 CSV，并使用 ADBC 驱动插入 Postgres
• psycopg2 + COPY - 使用 Python 的 csv 模块和 psycopg2 的 COPY 命令
• DuckDB + COPY - 使用 DuckDB 的原生 COPY 命令

前提条件

• Python 3.12+
• Docker 和 Docker Compose（用于本地 Postgres）
• uv 包管理器（或手动安装依赖项）

设置

1. 安装依赖项：

uv sync

或使用 pip：

pip install -e .

启动本地 Postgres 数据库

使用 Docker Compose 启动本地 PostgreSQL 数据库：

docker compose up -d

这将启动一个 Postgres 16 容器，配置如下：

• 主机：localhost
• 端口：5432
• 数据库：postgres
• 用户名：postgres
• 密码：postgres

容器将被命名为 adbc-postgres，数据将持久保存在 Docker 卷中。

检查 Postgres 状态

检查 Postgres 是否正在运行：

docker-compose ps

查看日志：

docker-compose logs postgres

停止 Postgres

停止 Postgres 容器：

docker-compose down

停止并删除所有数据：

docker-compose down -v

可用脚本

所有脚本从 data/uncompressed/ 目录读取 CSV 文件并将其插入数据库。每个脚本创建不同的表名，以便您可以比较结果。

1. PyArrow + ADBC (pyarrow_adbc_driver.py)

使用 PyArrow 的 dataset API 读取 CSV，并使用 ADBC 驱动插入 Postgres。

python pyarrow_adbc_driver.py

表名：divvy_tripdata

特点：

• 使用 PyArrow 高效的 dataset API 读取多个 CSV 文件
• 转换为 Arrow 表格式
• 使用 ADBC 的 adbc_ingest() 进行批量插入
• 创建具有适当类型映射的表

2. Polars + ADBC (polars_adbc_driver.py)

使用 Polars 读取 CSV，并使用 Polars 内置的 write_database() 方法与 ADBC 引擎。

python polars_adbc_driver.py

表名：divvy_tripdata_polars

特点：

• 使用 Polars 快速读取 CSV
• 利用 Polars 原生的 write_database() 方法
• 自动模式推断和表创建
• 底层使用 ADBC 引擎

3. psycopg2 + COPY (psycopg2_driver.py)

使用 Python 内置的 csv 模块和 psycopg2 的 COPY 命令（最快的 psycopg2 方法）。

python psycopg2_driver.py

表名：divvy_tripdata_psycopg2_noarrow

特点：

• 纯 Python 读取 CSV（无需 Arrow 依赖）
• 通过 copy_expert() 使用 PostgreSQL 的原生 COPY 命令
• 基于样本数据的类型推断
• 针对批量插入进行优化

4. DuckDB + COPY (duckdb_copy_driver.py)

使用 DuckDB 的原生 COPY 命令直接加载 CSV 文件。

python duckdb_copy_driver.py

表名：divvy_tripdata_duckdb（位于 DuckDB 数据库文件中）

特点：

• 创建本地 DuckDB 数据库文件（divvy_data.duckdb）
• 使用 DuckDB 的 COPY FROM 命令
• 自动模式推断
• 以 DuckDB 的列式格式存储数据

连接配置

使用默认连接（Docker Postgres）

所有 Postgres 脚本（DuckDB 除外）默认使用 Docker Postgres 设置：

# 启动 Postgres
docker-compose up -d

# 运行任何脚本
python pyarrow_adbc_driver.py
python polars_adbc_driver.py
python psycopg2_driver.py

使用自定义连接

您可以使用环境变量覆盖 Postgres 连接参数：

export PGHOST=your-host
export PGPORT=5432
export PGDATABASE=your-database
export PGUSER=your-user
export PGPASSWORD=your-password

python pyarrow_adbc_driver.py

性能比较

所有脚本都包含计时信息，显示：

• 总插入时间
• 每秒行数吞吐量
• 行数验证

这使您可以比较不同方法的性能：

• ADBC 方法（PyArrow/Polars） - 利用 Arrow 格式实现零拷贝传输
• psycopg2 COPY - 使用 PostgreSQL 的原生批量加载
• DuckDB COPY - 优化的列式数据库，具有原生 CSV 加载功能

运行所有脚本并比较计时结果，以了解哪种方法最适合您的用例！