实现两个 MySQL 数据库之间的数据同步可以借助 Python 的数据库连接库和数据处理工具来完成。常用的库包括 `pymysql`、`mysql-connector-python` 和 `pandas`，它们分别用于建立数据库连接、执行 SQL 查询以及高效地处理数据迁移。 ### 数据同步的基本思路 1. **建立连接** 首先需要分别连接源数据库和目标数据库。使用 `pymysql.connect()` 或 `create_engine()` 方法均可，但需要注意不同库在操作上的差异，例如 `pandas` 的 `to_sql()` 方法推荐使用 SQLAlchemy 引擎对象进行写入操作[^1]。 2. **查询数据** 从源数据库中读取需要同步的数据表内容。可以通过 `SELECT * FROM table_name` 查询所有数据，并使用 `pandas.read_sql()` 将其加载为 DataFrame 对象。 3. **写入目标数据库** 使用 `DataFrame.to_sql()` 方法将数据写入目标数据库。该方法支持指定表名、数据库引擎及写入模式（如 `'replace'`、`'append'` 等），能够有效控制数据的更新策略。 4. **循环同步多个表** 可以通过遍历需要同步的表列表，依次对每个表执行上述步骤，从而实现多表的批量同步[^1]。 ### 示例代码 以下是一个完整的示例，展示如何使用 Python 实现两个 MySQL 数据库之间的数据同步： ```python import pymysql import pandas as pd from sqlalchemy import create_engine # 定义需要同步的表列表 TABLES_TO_SYNC = ('account_t', 'measure_system_t') def sync_data(source_conn, target_engine): for table in TABLES_TO_SYNC: query = f"SELECT * FROM {table}" df = pd.read_sql(query, source_conn) df.to_sql(name=table, con=target_engine, if_exists='replace', index=False) if __name__ == '__main__': # 源数据库连接配置 source_conn = pymysql.connect( host="127.0.0.1", user="root", password="298453", database="ns365" ) # 目标数据库引擎配置（使用 SQLAlchemy） target_engine = create_engine('mysql+pymysql://root:@192.168.0.141/ns365?charset=utf8mb4') # 执行数据同步 sync_data(source_conn, target_engine) ``` ### 注意事项 - **性能优化**：对于大数据量表，建议采用分页查询（如 `LIMIT`）或增量同步机制，避免一次性加载过多数据导致内存溢出。 - **事务控制**：在生产环境中，应考虑引入事务管理机制，确保数据一致性。 - **错误处理**：建议添加异常捕获逻辑，处理网络中断、权限不足等问题，提高程序健壮性。 - **安全性**：数据库连接信息（如用户名、密码）应避免硬编码在代码中，可使用配置文件或环境变量管理。