把一仓库瓶装水搬上车，没必要先逐瓶拆装一次。过去用 Python 把 Parquet——一种按列存放数据的文件格式——写入 Microsoft SQL，常要把数据拆成一行一个元组、一个单元格一个 Python 对象；这些对象传完即丢，还受 GIL——限制多个线程同时执行 Python 代码的机制——约束。
据作者 dlevy-msft 在 Reddit 介绍，mssql-python 1.13.0 新增 Cursor.bulkcopy_arrow()：它通过 Apache Arrow 的列式内存接口，直接读取带类型的列缓冲区，再组装成数据库的批量写入包。传输时会释放 GIL；若传入 DuckDB 查询，数据还能按批流入，无须整体落进 Python 内存。作者估算，其测试的 440 万行文件按旧路径会产生约 6.6 GB 的存活 Python 对象。
在作者自称“非科学”的本地测试中，20 万行、21 列数据重复 7 次后取中位数：新路径约 5.24 秒，旧式 fetchall() 后再批量写入约 9.93 秒，吞吐量分别为每秒 38,180 行和 20,141 行，约快 1.9 倍。换句话说，收益不在 SQL 写得更聪明，而在少绕了一圈 Python 对象化。