pyodbc在sp_prepexec之后调用sp_unprepare。这是否会影响参数化查询的效果？

Question

继续

SqlAlchemy+pymssql. Will raw parametrized queries use same execution plan?

我从pymssql切换到pyodbc试图将参数化查询发送到SQL Server。使用微软驱动程序的pyodbc可以解决问题，但对我来说似乎很奇怪：

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

我的担忧与此声明有关：

exec sp_unprepare 6

如果我理解正确，这将取消查询执行计划，我将不会从查询参数化中获得任何优化。是这样的吗？

Answer 1

我做了一些测试，你不必担心。当sp_unprepare对象关闭时，pyodbc只发送一个sp_prepexec（对于最后执行的cursor）。也就是说，它发送的每个 sp_unprepare都没有sp_prepexec 。

此外，实际的时序测试揭示了pyodbc（显然可以利用缓存的执行计划）和pymssql（显然不能）之间的性能差异。使用以下代码...

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()

...对于limit = 10，四（4）个嵌套for循环运行总共10,000个查询。在我的带有本地SQL Server实例的Windows测试机器上，pymssql需要大约130秒（仅超过2分钟）才能执行，而pyodbc在5秒内始终运行相同的代码。