使用boto3操作本地DynamoDB时batch_write性能极慢问题求助

我使用Python3和boto3库，将本地6个文本文件（总数据达数GB，单个文件约1000万行）加载至Docker部署的本地DynamoDB实例的表中，目前遇到严重性能问题：单个文件加载预估耗时19小时，经性能分析，耗时主要集中在boto3的batch_write_item调用上。

我的批量处理代码如下：

def add_batch(self, items, table):
    request = {
        table: []
    }
    if type(items) is not list:
        print(f'\nError while loading item\'s batch, expecting a <list> but got {type(items)}')
        return None
    for item in items:
        request[table].append(
            {
                'PutRequest': {
                    'Item': item
                }
            }
        )
    while request:
        response = self._client.batch_write_item(RequestItems=request) # by far the slowest call
        if response['UnprocessedItems']:
            request = response['UnprocessedItems']
            print('unprocessed items: ', request)
        else:
            request = None
    return 0

当前批量大小为25条，表吞吐量设为100（尝试过多个数值但效果甚微）。开启InMemory选项时性能更佳，但重启容器需重新加载数据耗时过久，因此改用命令docker run -p 8000:8000 amazon/dynamodb-local -jar DynamoDBLocal.jar启动容器。尝试并行处理时boto3持续抛出异常。

内容的提问来源于stack exchange，提问作者tex