pyodbc是否支持多进程？多进程下MySQL连接是否独立并行？

1. 数据库连接是否独立并行创建？ #

是。multiprocessing.Process创建的每个子进程都拥有独立的内存空间，每个子进程内调用pyodbc.connect()都会新建一个完全独立的数据库连接，互相之间没有干扰，属于并行创建的独立连接。

2. 原代码能否正常运行？ #

不能，存在几个关键问题：

• 函数定义顺序错误：Python要求函数必须先定义再调用，原代码先启动进程调用process_table，之后才定义该函数，运行时会直接抛出NameError。
• SQL拼接有风险：直接用字符串拼接生成SQL，不仅容易因数据格式问题报错，还存在严重的SQL注入风险。
• 缺乏异常处理：如果数据库连接失败、SQL执行出错，会导致连接/游标无法正常关闭，事务也无法正确回滚。
• 未等待子进程结束：主进程启动子进程后直接退出，可能导致子进程未完成任务就被强制终止。

修正后的可运行代码示例 #

import multiprocessing
import pyodbc

def process_table(table):
    conn = None
    cursor = None
    try:
        # 替换为你的数据库连接参数
        conn = pyodbc.connect('DRIVER={MySQL ODBC 8.0 Unicode Driver};SERVER=localhost;DATABASE=your_db;UID=user;PWD=password')
        cursor = conn.cursor()
        
        # 表名提前校验合法性后替换，字段值用参数化查询避免注入
        for i in range(0, 10):
            sql = f'UPDATE {table} SET col = ?'
            cursor.execute(sql, (i,))
        
        conn.commit()
    except Exception as e:
        print(f"处理表{table}出错: {str(e)}")
        if conn:
            conn.rollback()
    finally:
        if cursor:
            cursor.close()
        if conn:
            conn.close()

if __name__ == '__main__':
    tables = ['tab1', 'tab2', 'tab3', 'tab4', 'tab5', 'tab6']
    processes = []
    for table in tables:
        p = multiprocessing.Process(target=process_table, args=(table,))
        p.start()
        processes.append(p)
    
    # 等待所有子进程执行完成
    for p in processes:
        p.join()

3. 其他实现方案 #

方案一：进程池（简化进程管理） #

用multiprocessing.Pool可以省去手动维护进程列表的步骤，代码更简洁：

import multiprocessing
import pyodbc

def process_table(table):
    # 函数逻辑与修正后代码一致，省略重复部分
    ...

if __name__ == '__main__':
    tables = ['tab1', 'tab2', 'tab3', 'tab4', 'tab5', 'tab6']
    with multiprocessing.Pool(processes=len(tables)) as pool:
        pool.map(process_table, tables)

方案二：线程池（IO密集型场景更高效） #

数据库操作属于IO密集型任务，线程池内存开销比进程池小，适合这类场景：

from concurrent.futures import ThreadPoolExecutor
import pyodbc

def process_table(table):
    # 函数逻辑与修正后代码一致，省略重复部分
    ...

if __name__ == '__main__':
    tables = ['tab1', 'tab2', 'tab3', 'tab4', 'tab5', 'tab6']
    with ThreadPoolExecutor(max_workers=len(tables)) as executor:
        executor.map(process_table, tables)

注意：pyodbc连接对象线程不安全，必须在每个线程内单独创建连接，这点和进程方案要求一致。

内容的提问来源于stack exchange，提问作者ps0604