最新版本的cx_Oracle（已重命名为python-oracledb）默认情况下以“Thin”模式运行，这绕过了Oracle客户端库。这意味着在许多情况下，数据加载速度更快。请尝试python-oracledb。在精简模式下使用python-oracledb应该有助于提高性能。
安装步骤很简单，用python -m pip install oracledb之类的东西安装。请参阅升级文档。在python-oracledb上遵循的最佳实践。
上述响应中建议的调优也适用于python-oracledb。
在这里，我比较了获取600k行所花费的时间：
1.通过pandas的read_sql（）和

1. python-oracledb's fetchall（）.
   注意：我不确定你要获取的数据行的大小和类型，所以我使用了一个简单的数据集，有两列和600k行。我使用了Tuningpython-oracledb并修改了cursor. arraysize参数，这显著提高了获取行的性能。
   考虑：python-oracledb的fetchall（）将数据作为元组列表返回，我已经考虑了从列表到本地pandas DataFrame的转换时间。
   | cursor.arraysize| pandas的read_sql（）|python-oracledb fetchall（）|
   | - -----|- -----|- -----|
   | 一百|3764秒|1846秒|
   | 一千|3690秒|一百八十五秒|
   | 一万|3695秒|二十三秒|
   | 十万|3712秒|22秒|
   根据行大小调整cursor.arraysize可以提高性能
   这是我使用python-oracledbfetchall（）获取行并将其转换为pandas Dataframe的脚本。

import os
import time
import pandas as pd
import sqlalchemy as sql
import oracledb as oracledb

# Database Credentials
username = os.environ.get("PYTHON_USERNAME")
password = os.environ.get("PYTHON_PASSWORD")

cp = oracledb.ConnectParams()
cp.parse_connect_string(os.environ.get("PYTHON_CONNECTSTRING"))

eng = sql.create_engine(f'oracle+oracledb://{username}:{password}@{cp.host}:{cp.port}/?service_name={cp.service_name}')
tablename = input("enter table name: ")
cursorsize = input("enter cursor size: ")
sqlStatement = 'select * from {}'.format(tablename)
conn = eng.pool._creator()
start = time.time()
with conn.cursor() as cursor:
    cursor.arraysize = int(cursorsize)
    cursor.execute(sqlStatement)
    res = cursor.fetchall()
    #loading the result list in pandas Dataframe
    df = pd.DataFrame(res, columns = ['description','done'])
    elapsed = (time.time() - start)
    print("Prefetchrows:", cursor.prefetchrows, "Arraysize:", cursor.arraysize)
    print("Retrieved", len(res), "rows in", elapsed, "seconds")

请遵循以下最佳做法从Oracle数据库中提取大型数据行。
Python包使用的版本：

• python-oracledb-1.3.1
• pandas-1.5.3
• SQLAlchemy-2.0.5