Rust: duckdb和polars读csv文件比较

news2024/7/4 5:14:20

一、文件准备
样本内容，N行9列的csv标准格式，有字符串，有浮点数，有整型。
在这里插入图片描述有两个csv文件，一个大约是2.1万行；一个是64万行。

二、toml文件

[package]
name = "my_duckdb"
version = "0.1.0"
edition = "2021"

# See more keys and their definitions at https://doc.rust-lang.org/cargo/reference/manifest.html

[dependencies]
duckdb = { version = "0.10.2", features = ["bundled"] }
polars = {version ="0.39.0"}

三、main.rs

use duckdb::{
    arrow::{record_batch::RecordBatch, util::pretty::print_batches},
    Connection, Result,
};
use polars::prelude::*;
use std::time::{Instant};
fn main() {
    //test.csv:2w行；test2.csv:64w行
    let csvs = ["test.csv","test2.csv"]; 
    for csv in csvs{
        duckdb_read_csv(csv).unwrap();
        polars_read_csv(csv);
    }

}
fn duckdb_read_csv(filepath:&str) ->Result<()> {
    let duckdb_csv_time = Instant::now();
    let db = Connection::open_in_memory()?;
    let sql_format = format!("SELECT * from read_csv('{}');",filepath);
    let rbs: Vec<RecordBatch> = db
        .prepare(&sql_format)?
        .query_arrow([])?
        .collect();
    
    //print_batches(&rbs).unwrap();// 批量打印
    assert!(rbs.len()>0);
    println!("duckdb取出的行数：{:?} 列数:{:?}",rbs[0].num_rows(),rbs[0].num_columns());
    println!("duckdb 读csv花时： {:?} 秒！", duckdb_csv_time.elapsed().as_secs_f32());
    let _ = db.close();
    Ok(())
}

fn polars_read_csv(filepath:&str){
    let polars_csv_time  = Instant::now();
    let df = CsvReader::from_path(filepath)
    .unwrap()
    .has_header(true)
    .finish()
    .unwrap();
    println!("polars读出csv的行和列数：{:?}",df.shape());
    println!("polars 读csv 花时： {:?} 秒！", polars_csv_time.elapsed().as_secs_f32());
}

四、输出

-----------"test.csv"-------------
duckdb取出的行数：2048 列数:9
duckdb 读csv花时： 0.032244585 秒！
polars读出csv的行和列数：(21357, 9)
polars 读csv 花时： 0.006511025 秒！
-----------"test.csv"-------------
-----------"test2.csv"-------------
duckdb取出的行数：2048 列数:9
duckdb 读csv花时： 0.1279175 秒！
polars读出csv的行和列数：(640710, 9)
polars 读csv 花时： 0.02369589 秒！
-----------"test2.csv"-------------
duckdb和polars读文件共花:0.19441628秒！