**已关闭。**此问题正在寻求有关书籍、工具、软件库等的建议。它不符合Stack Overflow guidelines。当前不接受答案。
我们不允许问题寻求有关书籍、工具、软件库等的推荐。你可以编辑问题,以便可以使用事实和引用来回答问题。
昨天关门了。
Improve this question
我想知道什么数据库对我的目标有好处。
一个关系数据库适合我的数据,但我需要一对“数据库-Python数据类”。数据类表示数据的唯一身份证结构不同的目的是在它的应用算法(让它是一个黑盒,真的不重要).重点是我应该有这个数据类,因为它会很慢,否则.我应用算法,得到正确的id,和显示有关从数据库导入的对象的所有信息。
这将以这样的方式一起工作:
1.我需要一种函数,可以遍历所有数据库并创建这些结构化的数据组,以便它可以转换为dataclass之后。此外,我有一些数据,如影响所有数据状态的parametres,如果我更改这些parametres,我应该能够再次遍历所有数据库并最终更新dataclass(这很少发生)。
1.如果我删除/添加一个数据点到数据库中,我必须更新数据类,但在这种情况下,它显然发生得更快,更容易。
将有许多数据库,但每个数据库的大小限制在10,000个数据点左右。
我只有单独使用python和SQL的经验,不知道这种情况有多好。据我所知,数据库不适合在constantl上迭代,但最重要的是,只有当我有方便的id表示时,算法才有效,没有其他方法。这种方法看起来可行吗?ok在现实生活中的项目(我们已经开发了一个网络服务)?如果有更有效的解决方案,这个问题-将很乐意得到任何帮助。提前感谢大家!!!
我在考虑Apollo SQL,因为它提供了python-SQL捆绑包。
1条答案
按热度按时间ercv8c1e1#
我会推荐你的数据使用关系型数据库,但你也会需要一个Python数据类来将你的数据结构化成组。你可以创建一个函数来迭代数据库并创建这些结构化的组,然后可以将其转换为数据类。如果你需要用参数或数据点的更改来更新数据类,您可以简单地重新运行该函数。虽然在数据库上迭代可能会很慢,但数据库的大小限制(大约10,000个数据点)应该是可管理的。如果没有更多的信息,我无法谈论您的算法的有效性,但是使用带有Python数据类的关系数据库似乎是一个可行的解决方案。至于Apollo SQL,如果它满足您对Python-SQL捆绑包的需求,它可能是一个不错的选择,但您可能也想考虑其他选项。