如何在MSSQL中将Python代码/函数存储为存储过程？

能不能把Python函数存为MSSQL存储过程？ #

答案是可以，但有版本和环境要求：

• 你的MSSQL版本必须是2017及以上——从这个版本开始，SQL Server支持通过sp_execute_external_script调用Python代码，也就是SQL Server Machine Learning Services（ML Services）功能。
• 具体实现步骤大概是这样：
  1. 先在SQL Server上启用ML Services，并配置好Python运行环境。
  2. 把你的Python逻辑封装到存储过程中，借助sp_execute_external_script执行。示例代码如下：

     CREATE PROCEDURE WeeklyDataProcessing
     AS
     BEGIN
         EXEC sp_execute_external_script
             @language = N'Python',
             @script = N'
     

import pandas as pd

processed_data = InputDataSet[InputDataSet["status"] == "valid"].copy()

OutputDataSet = processed_data
',
@input_data_1 = N'SELECT * FROM YourSourceTable', -- 传入Python的原始数据
@input_data_1_name = N'InputDataSet' -- Python中接收的DataFrame名称
WITH RESULT SETS ((ID INT, Name VARCHAR(50), Status VARCHAR(20))); -- 定义输出结果的字段结构
END
```

• 注意事项：Python代码会在SQL Server的ML Services环境中运行，所以需要确保该环境安装了你代码依赖的库（比如pandas），可以通过SQL Server的命令行工具或SSMS来安装依赖。

替代方案（如果不想用ML Services） #

如果你的SQL Server版本不支持，或者更倾向于在数据库外维护Python逻辑，这些方案更合适：

1. Python独立脚本+系统任务调度 #

• 把你的Python逻辑写成独立脚本（比如weekly_data_job.py），里面包含连接MSSQL、读取数据、处理、写入结果的完整流程。
• 用系统自带的调度工具设置每周执行：
  • Windows：使用任务计划程序，创建每周触发的任务，执行命令python.exe "C:\path\to\weekly_data_job.py"。
  • Linux/macOS：编辑crontab添加定时任务，比如0 8 * * 1 /usr/bin/python3 /home/user/scripts/weekly_data_job.py（每周一早上8点执行）。
• 优点：Python逻辑调试、修改更灵活，不依赖SQL Server的特定版本，适合复杂的数据处理场景。

2. SQL Server Agent作业调用Python脚本 #

• 如果你习惯在SQL Server生态里管理任务，可以用SQL Server Agent创建作业：
  1. 在SQL Server Agent中新建作业。
  2. 添加一个「操作系统（CmdExec）」类型的步骤，命令填写python "C:\scripts\weekly_data_job.py"。
  3. 设置作业的调度规则为每周执行。
• 优点：可以和其他SQL作业（比如备份、数据同步）统一管理，方便监控任务状态。

3. 将Python逻辑转为纯SQL（若可行） #

• 如果你的数据处理逻辑比较简单（比如过滤、聚合、字段计算），可以把Python的DataFrame操作转换成SQL语句，直接写成存储过程或视图。
• 比如Python中df.groupby("category")["value"].sum()，对应SQL就是SELECT category, SUM(value) FROM table GROUP BY category。
• 优点：不需要额外的Python环境，完全在数据库内运行，大数据量场景下性能更优。

选择建议 #

• 若处理逻辑依赖Python专属库（比如复杂数据分析、机器学习模型），优先选SQL Server ML Services存储过程或Python脚本+系统调度。
• 若逻辑简单且能用SQL实现，直接写纯SQL存储过程最省心。
• 若需要和现有SQL运维流程整合，SQL Server Agent调用Python脚本是更适配的选择。

内容的提问来源于stack exchange，提问作者Daniel Abhishek