一种更快的方法是在会话中使用一个预处理语句，然后用一批新的行重复执行exec。
一个更快的方法是使用COPY（在未记录的表上可以选择WITH (FREEZE)：https://www.postgresql.org/docs/current/sql-copy.html），然后添加索引和约束。

我建议使用像Celery这样的任务队列来处理Django中的大型数据库插入。原因如下：
防止请求超时：在请求上下文中长时间运行的数据库操作可能会超过超时限制，从而导致错误。任务队列支持异步执行，因此当数据库任务在后台运行时，请求可以立即返回。提高可扩展性：任务队列将工作分配给多个工作进程，从而提高性能并有效地处理较大的工作负载。提供监视和恢复机制：Celery提供了一些工具来监控任务执行，重试失败的任务，并优雅地处理错误。这里有一个简单的例子来说明如何使用Celery实现这一目的：

1.安装Celery：

第一个月

2.配置Celery：

设置Celery代理（例如RabbitMQ或Redis）进行任务通信。在Django应用中定义Celery任务。3.创建Celery任务：

from celery import shared_task

@shared_task
def process_and_insert_data():
    batch_size = 100000  # Adjust as needed
    offset = 0

    while True:
        with connection.cursor() as cursor:
            transaction_list_query = f"SELECT * FROM {source_table} LIMIT {batch_size} OFFSET {offset};"
            cursor.execute(transaction_list_query)
            transaction_list = dictfetchall(cursor)

            if not transaction_list:
                break

            data_to_insert = []
            for transaction in transaction_list:
                # Perform process-intensive calculations here
                data_to_insert.append(...)

            insert_query = f"""
                INSERT INTO {per_transaction_table} ({company_ref_id_id_column}, {rrn_column},
                    {transaction_type_ref_id_id_column}, {transactionamount_column})
                VALUES {','.join(['%s'] * len(data_to_insert))}
                ON CONFLICT ({rrn_column}) DO UPDATE SET {company_ref_id_id_column} = EXCLUDED.{company_ref_id_id_column};
            """
            cursor.executemany(insert_query, data_to_insert)

        offset += batch_size

字符串

4.发起任务：

from .tasks import process_and_insert_data

# Within a view or other part of your code:
process_and_insert_data.delay()

型
记住：
根据您的特定需求调整批量大小和其他参数。如果适用，请考虑使用Django的ORM进行任务内的数据库交互。探索Celery用于监控，错误处理和任务优先级的高级功能。