数据库大量数据update慢，如何克服？

Question

描述

数据库是postgresql python3

现在有1700万数据，最大ID3000万+

id	link	data
19001212	www.somelink.com	some str

我的任务是爬虫，取出单条数据link id段，爬取数据返回给data.

update table set data = %s where id = %s
所以update操作需要根据id查询到数据，并返回。我测试了一下单条数据的更新需要0.1s.

我的想法

见识少，求教 下面是我的想法

• 新建数据库a。从主数据库取任务，在a中create。但是问题是：在主数据中无法识别是否被爬取。因为查询语句select id,link from table where data is null;

• 尝试新数据库，听说radis很快，不知道合不合适。求教

另外，最佳连接数是多少，之前不懂，做了5-6个连接。结果更新的数据更少，现在只有两个连接，反而很多。一小时2w数据

Answer 1

这是个好问题，认真回答的话能写不少。不过鉴于题目给出的信息量过少，就不发散了。

首先，每个更新100ms，你有检查过DB的瓶颈在哪里吗？磁盘慢吗？还是内存不够？不知道瓶颈靠瞎猜，很难解决问题。

其次，我想你的ID一定是有索引的对吧，否则应该更慢些。然后一个简单的改进就是，你不是每个更新都是一个Transaction吧，试一试攒个几百上千个update之后一次提交。

然后就是，我猜你有优化过PG的配置吧，如果没有的话，找这方面的资料看一看，试一试。