熊猫to_sql参数和性能

我当前正在尝试稍微调整一些脚本的性能，并且似乎瓶颈始终是使用pandas to_sql函数实际插入数据库（= MSSQL）的瓶颈。

其中一个因素是mssql的参数限制2100。

我建立与sqlalchemy的连接（具有mssql + pyodbc风味）：

engine = sqlalchemy.create_engine("mssql+pyodbc:///?odbc_connect=%s" % params, fast_executemany=True)

插入时，我使用了块大小（所以我保持在参数限制和method =“ multi”以下）：

dataframe_audit.to_sql(name="Audit", con=connection, if_exists='append', method="multi",
                               chunksize=50, index=False)

我不确定确切要怎么看：

不一致似乎源于DB Server本身 更大的块大小似乎并不能转化为更好的性能（反之亦然！？） 也许我应该从pyodbc切换到turbodbc（根据一些帖子，它会产生更好的性能） 有什么想法可以为我的DataFrame带来更好的插入性能吗？