使用Dask read_sql_query读取Oracle数据失败，未执行指定SQL

核心问题原因 #

1. SQL语句构造错误：你移除SELECT关键字后，用select(text(sql))的方式会导致SQLAlchemy生成的查询存在语法隐患，Dask在生成预览查询（head_rows参数触发）时，错误生成了无效的SELECT FROM DUAL WHERE ROWNUM <= 5语句，引发Oracle语法错误。
2. index_col参数错误：你指定的index_col="index"并非查询结果中的列，Dask需要该列来分片数据和生成元数据查询，这也会导致预览查询逻辑异常。

修正方案 #

方案1：直接使用完整SQL语句 #

无需借助SQLAlchemy的select构造，直接传递带SELECT的完整SQL给Dask：

from dask.dataframe import read_sql_query
from sqlalchemy import create_engine

# 替换为你的实际数据库信息
con_str = "oracle+cx_oracle://{UserID}:{Password}@{Domain}/?service_name={Servicename}"
con = create_engine(con_str.format(
    UserID="你的用户名",
    Password="你的密码",
    Domain="数据库域名/IP",
    Servicename="服务名"
))

# 完整SQL语句（包含SELECT）
sql = """
    SELECT column_a, column_b                                                 
    FROM database.tablename  
    WHERE mydatetime >= to_date('1997-01-01 00:00:00','YYYY-MM-DD HH24:MI:SS')
"""

# 指定查询结果中存在的列作为index_col，比如column_a或mydatetime
ddf = read_sql_query(sql=sql, con=con, index_col="column_a", head_rows=5)

方案2：正确使用SQLAlchemy表达式构造查询 #

通过反射表结构来构造规范的SQLAlchemy查询，避免语法问题：

from dask.dataframe import read_sql_query
from sqlalchemy import create_engine, MetaData, Table, select, text

con_str = "oracle+cx_oracle://{UserID}:{Password}@{Domain}/?service_name={Servicename}"
con = create_engine(con_str.format(...))

# 反射目标表结构
metadata = MetaData()
target_table = Table(
    "tablename", 
    metadata, 
    schema="database", 
    autoload_with=con
)

# 构造查询条件
query = select(
    target_table.c.column_a, 
    target_table.c.column_b
).where(
    target_table.c.mydatetime >= text("to_date('1997-01-01 00:00:00','YYYY-MM-DD HH24:MI:SS')")
)

# 指定有效列作为index_col
ddf = read_sql_query(sql=query, con=con, index_col="column_a", head_rows=5)

关键注意点 #

• Dask的read_sql_query依赖index_col来拆分数据块，必须指定查询结果中存在的列（建议用有索引的列，提升性能）。
• 避免混合使用SQLAlchemy的select和无SELECT的SQL片段，这会导致查询构造逻辑混乱，pandas兼容性更好但Dask对语法规范性要求更高。

内容的提问来源于stack exchange，提问作者yingni