Linux下和MySQL下利用python插入亿万级数据

下载mysqldb

首先必须下载mysqldb，下载语句是

yum install MySQL-python

安装之后，在命令行输入

#>>>python
#接下来是python代码
>>>import MySQLdb
>>>#显示出了命令行即为安装成功
>>>exit()#退出python

插入亿万级数据

作者在写SQL时就知道2种写法（大牛另说），（1）一次插入一条，（2）一次插入多条。
之前在书上看到，一次插入多条会提高sql语句的速度，所以接下来就以（2）为例进行实验插入1000万条的数据。
首先随便建张表

CREATE TABLE `good` (
`id` int(10) NOT NULL AUTO_INCREMENT,
`name` varchar(255) DEFAULT NULL,
`price` double DEFAULT NULL,
`color` varchar(255) DEFAULT NULL,
`goodNum` int(11) DEFAULT NULL,
`brandName` varchar(255) DEFAULT NULL,
PRIMARY KEY (`id`)
 ）

Linux下代码如下

import sys
import os
import time
import random as rd
import MySQLdb as md

def test():
  con=md.connect(host="localhost",user="root",passwd="admin123",db="test")
  cursor=con.cursor()
  #sql1="truncate table product"
  #n=cursor.execute(sql1)
  tm1=time.time()
  oriName="sujaloiushtegsk"
  oriPrice=5000
  oriPid=1831098
for i in range(10000):
    sql="insert into good(name,price,color,goodNum,brandName) values"
    #sql="select * from product"
    tm=time.time()
for j in range(10000):
      #print sql
      N1=rd.randint(1,14)
      N2=rd.randint(1,14)
      N3=rd.randint(1,14)
      PP=rd.randint(200,1500)
      ppid=rd.randint(1,10000)

      name=oriName[N1]+oriName[N2]+oriName[N3]
      brandName=oriName[N3]+oriName[N1]
      color=oriName[N1]+oriName[N3]
      goodNum=oriPid+ppid
      price=oriPrice+PP
if j<=9998:
        sql=sql+"("+"'"+str(name)+"'"+","+str(price)+","+"'"+str(color)+"'"+","+str(goodNum)+","+"'"+str(brandName)+"'"+")"+","
        #sql=sql+"('123','apple7','6000','aaa','china')"+","
else:
        sql=sql+"("+"'"+str(name)+"'"+","+str(price)+","+"'"+str(color)+"'"+","+str(goodNum)+","+"'"+str(brandName)+"'"+")"+";"
        #sql=sql+"("+str(pid)+","+"'"+str(pname)+"'"+","+str(price)+","+"'"+str(buyer)+"'"+","+"'"+str(city)+"'"+")"+';'
        #sql=sql+"('123','apple7','6000','aaa','china')"+";"
      #print j 
    #print sql
    n=cursor.execute(sql)
    con.commit()
    a=time.time()
    print "the"+str(i+1)+"'s time is :"+str(a-tm)
  tm2=time.time()
  print str(tm2-tm1)
  con.close()


if __name__=="__main__":
  test()

表名一类的那些大家根据自己的情况修改。作者代码水平欠缺，希望大家别嫌弃~~~
根据我的检测，2000万的数据集大概跑了400s，1亿条的数据跑了1860s=31分钟。因为插入的数据相对简单，并且数据维度比较小，所以还是很快的。
若有其他的改进建议，希望大家不吝赐教。