将DataFrame写入Teradata遇[No more room in database]错误求助

[Teradata Database] [Error 2644] No more room in database {username}.
这个错误明确表示你要写入的目标数据库（{username}对应的数据库）存储空间已耗尽，以下是具体解决步骤：

1. 确认数据库空间使用情况 #

通过Teradata查询语句查看当前数据库的已用/分配空间：

SELECT 
    DATABASE, 
    SUM(CURRENTPERM)/1024/1024/1024 AS GB_USED,
    SUM(MAXPERM)/1024/1024/1024 AS GB_ALLOCATED
FROM DBC.DiskSpace 
WHERE DATABASE = '{你的数据库名}' 
GROUP BY DATABASE;

也可以通过SQLAlchemy连接器直接执行该查询：

result = connector.execute("""
SELECT 
    DATABASE, 
    SUM(CURRENTPERM)/1024/1024/1024 AS GB_USED,
    SUM(MAXPERM)/1024/1024/1024 AS GB_ALLOCATED
FROM DBC.DiskSpace 
WHERE DATABASE = '{username}' 
GROUP BY DATABASE;
""")
for row in result:
    print(row)

2. 清理冗余数据释放空间 #

• 删除不再使用的表：

DROP TABLE IF EXISTS old_unused_table;
COMMIT;

• 归档并删除大表中的历史数据：

DELETE FROM large_business_table WHERE record_date < '2022-01-01';
COMMIT;

注意：Teradata删除数据后空间不会立刻释放，若需强制回收，可联系DBA操作，或执行：

ALTER DATABASE {username} FREESPACE;

3. 申请扩容数据库存储空间 #

如果清理后空间仍不足，直接联系数据库管理员（DBA），申请增加{username}数据库的存储配额——普通用户通常无权限自行调整数据库最大存储空间。

4. 优化DataFrame减少存储占用 #

• 移除不必要的列：

# 删除冗余/临时计算列
df = df.drop(columns=['unused_col_1', 'unused_col_2', 'temp_calc_col'])

• 压缩数据类型：

# 将64位整数压缩为32位（需确保数值范围符合）
df['user_id'] = df['user_id'].astype('int32')
# 限制字符串列长度（避免Teradata中VARCHAR过度分配空间）
df['short_desc'] = df['short_desc'].astype('string[pyarrow]')

5. 分批次写入数据 #

若数据量极大，一次性写入会占用大量临时空间，可通过chunksize参数分批次写入：

# 每次写入10000条数据
df.to_sql('dataframe', connector, chunksize=10000, if_exists='append')

内容的提问来源于stack exchange，提问作者salomepx