SqlAlchemy + pymssql。原始参数化查询是否使用相同的执行计划?
我从pymssql切换到pyodbc试图将参数化查询发送到SQL Server。pyodbc与微软驱动程序的技巧,但有些东西似乎对我来说很奇怪:
declare @p1 int
set @p1=6
exec sp_prepexec @p1 output,N'@P1 nvarchar(6),@P2 bigint,@P3 bigint,@P4 bigint',N'
SELECT *
FROM CC_sold
WHERE id_contract =@P1
AND id_tip_cont=@P2
AND CC_sold.anul =@P3
AND CC_sold.luna =@P4
ORDER BY CC_sold.anul, CC_sold.luna DESC
',N'176914',6,2016,9
select @p1
exec sp_unprepare 6
我的担忧与这句话有关:
exec sp_unprepare 6
如果我理解正确的话,这将取消查询执行计划,并且不会从查询参数化中获得任何优化。是这样吗?
我做了一些测试,您不必担心。当cursor
对象关闭时,pyodbc只发送一个sp_unprepare
(对于最后执行的sp_prepexec
)。也就是说,它不发送sp_unprepare
每个 sp_prepexec
。
此外,实际的计时测试揭示了pyodbc(显然可以利用缓存的执行计划)和pymssql(显然不能)之间的性能差异。使用下面的代码…
crsr = conn.cursor()
crsr.execute("DBCC FREEPROCCACHE")
if 'pyodbc' in repr(conn):
sql = "SELECT COUNT(*) AS n FROM table1 WHERE cola=? AND colb=? AND colc=? AND cold=?"
else:
sql = "SELECT COUNT(*) AS n FROM table1 WHERE cola=%s AND colb=%s AND colc=%s AND cold=%s"
t0 = time.time()
limit = 10
for a in range(limit):
for b in range(limit):
for c in range(limit):
for d in range(limit):
params = (a, b, c, d)
crsr.execute(sql, params)
n = crsr.fetchone()[0]
print(time.time() - t0)
crsr.close()
conn.close()
…对于limit = 10
,四个嵌套的for
循环总共运行10,000个查询。在我使用本地SQL Server实例的Windows测试机器上,pymssql执行大约需要130秒(刚刚超过2分钟),而pyodbc始终在5秒内运行相同的代码。