Search Shortcut cmd + k | ctrl + k
- 安装
- Documentation
- 入门指南
- 连接
- 数据导入
- 客户端API
- 概述
- C
- C++
- CLI
- Dart
- Go
- Java
- Julia
- Node.js (Neo)
- Node.js
- Python
- 概览
- 数据摄取
- DuckDB 和 Python 之间的转换
- DB API
- 关系型API
- Function API
- Types API
- Expression API
- Spark API
- API 参考
- 已知的Python问题
- R
- Rust
- Swift
- Wasm
- ADBC
- ODBC
- SQL
- 介绍
- 语句
- 概览
- ANALYZE
- ALTER TABLE
- ALTER VIEW
- ATTACH 和 DETACH
- CALL
- CHECKPOINT
- COMMENT ON
- COPY
- CREATE INDEX
- CREATE MACRO
- CREATE SCHEMA
- CREATE SECRET
- CREATE SEQUENCE
- CREATE TABLE
- CREATE VIEW
- CREATE TYPE
- DELETE
- DESCRIBE
- DROP
- 导出和导入数据库
- INSERT
- LOAD / INSTALL
- PIVOT
- 性能分析
- SELECT
- SET / RESET
- SET VARIABLE
- SUMMARIZE
- 事务管理
- UNPIVOT
- UPDATE
- USE
- VACUUM
- 查询语法
- SELECT
- FROM 和 JOIN
- WHERE
- GROUP BY
- GROUPING SETS
- HAVING
- ORDER BY
- LIMIT 和 OFFSET
- SAMPLE
- 解嵌套
- WITH
- WINDOW
- QUALIFY
- VALUES
- FILTER
- 集合操作
- 预编译语句
- 数据类型
- 概览
- Array
- Bitstring
- Blob
- 布尔
- 日期
- Enum
- Interval
- 列表
- 字面量类型
- 映射
- NULL值
- Numeric
- Struct
- 文本
- Time
- 时间戳
- 时区
- Union
- 类型转换
- 表达式
- 函数
- 概览
- 聚合函数
- 数组函数
- 位串函数
- Blob 函数
- 日期格式化函数
- 日期函数
- 日期部分函数
- 枚举函数
- 间隔函数
- Lambda 函数
- 列表函数
- 映射函数
- 嵌套函数
- 数值函数
- 模式匹配
- 正则表达式
- Struct 函数
- 文本函数
- 时间函数
- 时间戳函数
- 带时区的时间戳函数
- 联合函数
- 实用函数
- 窗口函数
- 约束
- 索引
- Meta 查询
- DuckDB的SQL方言
- 示例
- 配置
- 扩展
- 概述
- 核心扩展
- 社区扩展
- 使用扩展
- 扩展的版本控制
- Arrow
- 自动完成
- AWS
- Azure
- Delta
- Excel
- 全文搜索
- httpfs (HTTP 和 S3)
- Iceberg
- ICU
- inet
- jemalloc
- MySQL
- PostgreSQL
- 空间
- SQLite
- Substrait
- TPC-DS
- TPC-H
- VSS
- 指南
- 概述
- 数据查看器
- 数据库集成
- 文件格式
- 网络和云存储
- 概览
- HTTP Parquet 导入
- S3 Parquet 导入
- S3 Parquet 导出
- S3 Iceberg 导入
- S3 Express One
- GCS 导入
- Cloudflare R2 导入
- 通过HTTPS / S3使用DuckDB
- Meta 查询
- ODBC
- 性能
- Python
- 安装
- 执行SQL
- Jupyter Notebooks
- SQL on Pandas
- 从Pandas导入
- 导出到 Pandas
- 从Numpy导入
- 导出到Numpy
- SQL on Arrow
- 从Arrow导入
- 导出到 Arrow
- Pandas上的关系API
- 多线程 Python
- 与Ibis的集成
- 与 Polars 的集成
- 使用 fsspec 文件系统
- SQL 编辑器
- SQL 功能
- 代码片段
- 术语表
- 离线浏览
- 操作手册
- 开发
- 内部
- Sitemap
- Why DuckDB
- Media
- FAQ
- Code of Conduct
- Live Demo
Documentation
/ Guides
/ Performance
Data Import
推荐的导入方法
当从其他系统导入数据到DuckDB时,有几个考虑因素需要纳入考虑。 我们建议按照以下顺序进行导入:
- 对于由DuckDB扫描器扩展支持的系统,建议使用扫描器。DuckDB目前提供了MySQL、PostgreSQL和SQLite的扫描器。
- 如果数据源系统中有批量导出功能,将数据导出为Parquet或CSV格式,然后使用DuckDB的Parquet或CSV加载器加载数据。
- 如果上述方法不适用,考虑使用DuckDB的appender,目前可在C、C++、Go、Java和Rust的API中使用。
- 如果数据源系统支持Apache Arrow并且数据传输是重复性任务,考虑使用DuckDB的Arrow扩展。
避免使用的方法
如果可能,避免逐行循环(一次一个元组),而应使用批量操作。 逐行插入(即使使用预处理语句)对性能有害,会导致加载时间变慢。
最佳实践 除非你的数据量很小(小于100k行),否则避免在循环中使用插入操作。