pyodbc вызывает sp_unprepare после sp_prepexec. Влияет ли это на производительность параметризованных запросов?

Question

В продолжение

SQLAlchemy + pymssql. Будут ли необработанные параметризованные запросы использовать тот же план выполнения?

Я переключился с pymssql на pyodbc и попытался получить параметризованные запросы, отправленные на SQL Server. pyodbc с драйвером Microsoft делает свое дело, но что-то кажется мне странным:

declare @p1 int
set @p1=6
exec sp_prepexec @p1 output,N'@P1 nvarchar(6),@P2 bigint,@P3 bigint,@P4 bigint',N'
                SELECT *
                FROM CC_sold
                WHERE id_contract =@P1
                    AND id_tip_cont=@P2
                    AND CC_sold.anul =@P3
                    AND CC_sold.luna =@P4
                ORDER BY CC_sold.anul, CC_sold.luna DESC
            ',N'176914',6,2016,9
select @p1
exec sp_unprepare 6

Мои опасения связаны с этим утверждением:

exec sp_unprepare 6

Если я правильно понимаю, это отменяет план выполнения запроса, и я не получу никакой оптимизации от параметризации запроса. Это тот случай?

Answer 1

Я провел небольшое тестирование, и вам не нужно беспокоиться. pyodbc отправляет только один sp_unprepare (за последние sp_prepexec выполнено), когда cursor объект закрыт. То есть это не sp_unprepare каждый sp_prepexec что он посылает.

Более того, фактические тесты синхронизации показывают разницу в производительности между pyodbc (который, очевидно, может использовать кэшированные планы выполнения) и pymssql (который, по-видимому, не может). Со следующим кодом...

crsr = conn.cursor()
crsr.execute("DBCC FREEPROCCACHE")
if 'pyodbc' in repr(conn):
    sql = "SELECT COUNT(*) AS n FROM table1 WHERE cola=? AND colb=? AND colc=? AND cold=?"
else:
    sql = "SELECT COUNT(*) AS n FROM table1 WHERE cola=%s AND colb=%s AND colc=%s AND cold=%s"
t0 = time.time()
limit = 10
for a in range(limit):
    for b in range(limit):
        for c in range(limit):
            for d in range(limit):
                params = (a, b, c, d)
                crsr.execute(sql, params)
                n = crsr.fetchone()[0]
print(time.time() - t0)
crsr.close()
conn.close()

... за limit = 10 четыре (4) вложенные for циклы запускают в общей сложности 10000 запросов. На моей тестовой машине Windows с локальным экземпляром SQL Server выполнение pymssql занимает около 130 секунд (чуть более 2 минут), в то время как pyodbc последовательно выполняет один и тот же код менее чем за 5 секунд.