TDengine Python连接器是否支持executemany？如何提升写入性能？

一、executemany 与参数绑定支持 #

TDengine Python 原生连接器完全支持executemany和参数绑定，这是解决单条写入性能低下的核心方案。

示例代码 #

import taos

# 建立连接
conn = taos.connect()
cursor = conn.cursor()

# 假设已创建超级表：CREATE TABLE IF NOT EXISTS sensor_stb (ts TIMESTAMP, temp FLOAT, humi INT) TAGS (device_id INT);
# 准备批量写入数据
batch_data = [
    (1690000000000, 26.2, 58, 1),
    (1690000010000, 26.3, 57, 1),
    (1690000020000, 25.9, 60, 2),
    (1690000030000, 26.1, 59, 2)
]

# 用executemany+参数绑定批量写入
cursor.executemany(
    "INSERT INTO sensor_device USING sensor_stb TAGS (?) VALUES (?, ?, ?)",
    batch_data
)
conn.commit()

# 关闭资源
cursor.close()
conn.close()

注意：参数顺序必须和SQL语句中的占位符一一对应，超级表的标签字段和子表的 data 字段都可以用占位符。

二、其他性能提升方法 #

• 使用专属批量写入接口：部分版本的TDengine Python连接器提供execute_batch方法，是专为时序数据批量写入优化的接口，性能比executemany更优，示例：

# 假设batch_data是仅包含data字段的二维数组（无需标签字段，若写入固定标签的子表）
cursor.execute_batch("INSERT INTO sensor_device_1 VALUES", batch_data)

• 复用连接与减少提交次数：不要每次写入都新建连接，尽量复用同一个连接；批量写入完成后一次性调用commit，避免频繁提交事务。
• 调整连接参数：建立连接时可设置batch_size参数（如taos.connect(batch_size=10000)），控制单次发送的数据包大小，适配网络环境。
• 使用表组（Table Group）：将同类型、同查询维度的子表归入同一个表组，能大幅提升写入与查询的性能。
• 绝对避免单条循环写入：这是你当前性能差的核心原因，所有写入操作必须以批量方式执行。

内容的提问来源于stack exchange，提问作者JamesLiu