重复键值违反唯一约束 - 尝试从 dask 数据帧创建 sql 表时出现 postgres 错误

Question

继此问题之后，当我尝试从具有多个分区的 dask.dataframe 创建 postgresql 表时，出现以下错误：IntegrityError: (psycopg2.IntegrityError) duplicate key value violates unique constraint "pg_type_typname_nsp_index"DETAIL:  Key (typname, typnamespace)=(test1, 2200) already exists. [SQL: '\nCREATE TABLE test1 (\n\t"A" BIGINT, \n\t"B" BIGINT, \n\t"C" BIGINT, \n\t"D" BIGINT, \n\t"E" BIGINT, \n\t"F" BIGINT, \n\t"G" BIGINT, \n\t"H" BIGINT, \n\t"I" BIGINT, \n\t"J" BIGINT, \n\tidx BIGINT\n)\n\n']您可以使用以下代码重新创建错误：import numpy as npimport dask.dataframe as ddimport daskimport pandas as pdimport sqlalchemy_utils as sqla_utilsimport sqlalchemy as sqlaDATABASE_CONFIG = {    'driver': '',    'host': '',    'user': '',    'password': '',    'port': 5432,}DBNAME = 'dask'url = '{driver}://{user}:{password}@{host}:{port}/'.format(        **DATABASE_CONFIG)db_url = url.rstrip('/') + '/' + DBNAME# create db if non-existentif not sqla_utils.database_exists(db_url):    print('Creating database \'{}\''.format(DBNAME))    sqla_utils.create_database(db_url)conn = sqla.create_engine(db_url)# create pandas df with random numbersdf = pd.DataFrame(np.random.randint(0,40,size=(100, 10)), columns=list('ABCDEFGHIJ'))# add index so that it can be used as primary key later ondf['idx'] = df.index# create dask dfddf = dd.from_pandas(df, npartitions=4)# Write to psqldto_sql = dask.delayed(pd.DataFrame.to_sql)out = [dto_sql(d, 'test', db_url, if_exists='append', index=False, index_label='idx')       for d in ddf.to_delayed()]dask.compute(*out)如果 npartitions 设置为 1，代码不会产生错误。所以我猜这与 postgres 无法处理写入同一个 sql 表的并行请求有关......？我怎样才能解决这个问题？

Answer 1

我正在读这个。当您使用并行处理创建/更新同一个表时，似乎会出现此错误。我理解这取决于这个 （正如在谷歌小组讨论中解释的那样）。

所以我认为它取决于它PostgreSQL本身，而不是取决于连接驱动程序或用于多处理的模块。

嗯，实际上，我发现解决这个问题的唯一方法是创建足够大的块，以使写入过程比计算本身慢。对于更大的块，这个错误不会上升。

Answer 2

我在 Heroku 的 PostgreSQL 上使用 ponyORM 时遇到了同样的错误。我通过锁定线程直到它执行数据库操作来解决它。就我而言：

lock = threading.Lock()

with lock:

    PonyOrmEntity(name='my_name', description='description')

    PonyOrmEntity.get(lambda u: u.name == 'another_name')

Answer 3

在 PostgreSQL 中对我有帮助。

set enable_parallel_hash=off;

在你可以打开它之后

set enable_parallel_hash=on;