学习python调用dmpython库获取达梦数据库模式信息的基本方式

  采用dmpython库连接达梦数据库,通过以下查询方式获取某一schema的所有表信息,然后获取数据库表的数据量、占用空间及实际大小:
  1)查询表dba_tables获取指定schema的所有数据库表;
  2)通过select count(1)查询每张表中的数据条数;
  3)通过SELECT TABLE_USED_SPACE查询每张表的占用数据页数;
  4)通过SELECT TABLE_USED_PAGES查询每张表的实际使用数据页数;
  5)通过查询表V$DM_INI获取数据页数的大小。
  基于上述查询方式获取指定模式的数据库表信息,并将表信息以字典和元组形式保存,最终序列化到本地json文件内,主要程序如下所示:

python 复制代码
import dmPython
import json

queryresult={}

schemaname='SCHOOL'

# 创建连接
conn = dmPython.connect(
    server="127.0.0.1",
    port=5236,
    user="XXXXXX",
    password="XXXXXXXXX",
    schema=schemaname
)

# 执行SQL查询
cursor = conn.cursor()
cursor.execute("select TABLE_NAME from dba_tables where owner='SCHOOL'")
tables = cursor.fetchall()
for table in tables:
    tablename=str(table[0])
    
    # 获取表中数据总数
    cursor.execute("select count(1) from "+str(tablename))
    rowcount =cursor.fetchone()

    # 获取表占用空间 KB
    cursor.execute("SELECT TABLE_USED_SPACE( '"+schemaname+"', '"+str(tablename)+"') * PARA_VALUE / 1024 FROM V$DM_INI WHERE PARA_NAME = 'GLOBAL_PAGE_SIZE'")    
    tabletotalsize =cursor.fetchone()

    # 获取表使用空间 KB
    cursor.execute("SELECT TABLE_USED_PAGES( '"+schemaname+"', '"+str(tablename)+"') * PARA_VALUE / 1024 FROM V$DM_INI WHERE PARA_NAME = 'GLOBAL_PAGE_SIZE'")    
    tableusedsize =cursor.fetchone()
    
    queryresult[tablename]=(rowcount[0],int(tabletotalsize[0]),int(tableusedsize[0]))    

# 关闭连接
cursor.close()
conn.close()

savename='tableinfo.json'
print(queryresult)

save_data = {
            "dict_count": len(queryresult),
            "data": {key: list(value) for key, value in queryresult.items()}
        }
        
with open(savename, 'w', encoding='utf-8') as f:
    json.dump(save_data, f, indent=4, ensure_ascii=False)

  运行上述程序,保存第一次的数据库表信息,然后向数据库表中插入数据,再次运行程序保存第二次数据,如下图所示,可以看出前后两次的数据库表变化,后续学习并测试如何通过程序自动比较前后两次的数据库表信息变化。

参考文献:

1https://eco.dameng.com/community/post/20241218072309WHQAOUSCT4WRAEQYOX

2https://vip.kingdee.com/knowledge/616295238575048448?productLineId=8\&isKnowledge=2\&lang=zh-CN

相关推荐
quantdash_cc4 分钟前
历史数据断层与REST请求慢到崩溃?QuantDash高性能量化数据API终极解决方案
开发语言·python·缓存·php·量化·quantdash
熊野君8 分钟前
Prompt / RAG / 规则 / Skills —— 定位、协作与实现路线
开发语言·python
zhangphil34 分钟前
Python Web后端框架FastAPI vs Flask
python·ai·llm
ly76891 小时前
XML 从入门到实践:语法、命名空间、XPath、XSD 与 Java 安全解析
xml·java·python
winfredzhang1 小时前
用 Python + wxPython 造一个照片工具箱:PDF / 加密ZIP / MP4 / 归档,以及我在这过程中踩到的 4 个坑
python·pdf·zip·mp4·移动
卷无止境1 小时前
FastAPI 后台任务的边界,以及 Celery、Redis 与自建调度系统的选择
后端·python
卷无止境1 小时前
Linux + Docker + FastAPI 工程化实践指南
后端·python·fastapi
聪明蛋子哟11 小时前
Stagehand v3多语言SDK:Python/Go/Rust/Java下的浏览器自动化统一方案
python·golang·rust
今天AI了吗11 小时前
Python 基础语法(一):常量、变量、输入输出与运算符
开发语言·数据库·人工智能·python·sql·深度学习·机器学习