sqlalchemy批量插入比构建原始SQL慢

我正在经历 this article 关于sqlalchemy批量插入性能。我尝试了基准测试中指定的各种方法- SQLAlchemy ORM bulk_insert_mappings() , SQLAlchemy Core here -这需要我构建一个大型SQL语句,如:

INSERT INTO mytable (col1, col2, col3)
VALUES (1,2,3), (4,5,6) ..... --- up to 1000 of these

这个原始SQL的插入类似于:

MySession.execute('''
insert into MyTable (e, l, a)
values {}
'''.format(",".join(my_insert_str)))

使用这种方法,我将性能提高了50倍以上,在10-11秒内插入了10000次。

下面是使用内置库的方法的代码。

class MyClass(Base):
    __tablename__ = "MyTable"
    e = Column(String(256), primary_key=True)
    l = Column(String(6))
    a = Column(String(20), primary_key=True)

    def __repr__(self):
        return self.e + " " + self.a+ " " + self.l

        dict_list = []
        for i, row in chunk.iterrows():

            dict_list += [{"e" : row["e"], "l" : l, "a" : a}]

        MySession.execute(
            Myclass.__table__.insert(),
            dict_list
        )

下面是我如何连接到数据库的。

    params = urllib.quote_plus("DRIVER={SQL Server Native Client 10.0};SERVER=servername;DATABASE=dbname;UID=user;PWD=pass")
    engine = create_engine("mssql+pyodbc:///?odbc_connect=%s" % params )
    MySession.configure(bind=engine, autoflush=False, expire_on_commit=False)

我的设置是否存在问题,从而严重降低了性能?我尝试了不同的db驱动程序——pyodbc和pymssql。无论我尝试什么,我都无法接近他们在文章中声称的数字,即:

SQLAlchemy ORM: Total time for 100000 records 2.192882061 secs
SQLAlchemy ORM pk given: Total time for 100000 records 1.41679310799 secs
SQLAlchemy ORM bulk_save_objects(): Total time for 100000 records 0.494568824768 secs
SQLAlchemy ORM bulk_insert_mappings(): Total time for 100000 records 0.325763940811 secs
SQLAlchemy Core: Total time for 100000 records 0.239127874374 secs
sqlite3: Total time for 100000 records 0.124729156494 sec

原始SQL方法的问题是它不是SQL注入安全的。因此,如果你有如何解决这个问题的建议,它也将非常有用:)。