数据库访问优化

Django的数据库层提供了很多方法来帮助开发者充分的利用他们的数据库。 这篇文档收集了相关文档的一些链接,添加了大量提示,并且按照优化数据库使用的步骤的概要来组织。

档案首先

作为通用的编程实践,性能的重要性不用多说。 弄清楚what queries you are doing and what they are costing you 你也可能想使用外部的项目,像django-debug-toolbar,或者直接监控数据库的工具。

记住你可以优化速度、内存占用,甚至二者一起,这取决于你的需求。 一些针对其中一个的优化会对另一个不利,但有时会对二者都有帮助。 另外,数据库进程做的工作,可能和你在Python代码中做的相同工作不具有相同的开销。 决定你的优先级是什么,是你自己的事情,你必须要权衡利弊,按需使用它们,因为这取决于你的应用和服务器。

对于下面提到的任何事情,要记住在任何修改后验证一下,确保修改是有利的,并且足够有利,能超过你代码中可读性的下降。 下面的所有建议都带有警告,在你的环境中大体原则可能并不适用,或者会起到相反的效果。

使用标准DB优化技术

…包含:

  • 索引。 在你决定哪些索引应该添加 之后,这一条具有最高优先级。 使用Field.db_index或者Meta.index_together在Django中添加它们。 考虑向您经常使用filter()exclude()order_by()等查询的字段添加索引。 因为索引可能有助于加快查找。 注意,设计最好的索引方案是一个复杂的、数据库相关的话题,它取决于你应用的细节。 (数据库)维护索引的开销可能会超过查询速度上的任何收益。
  • 合理使用字段类型。

我们假设你已经完成了上面这些显而易见的事情。 这篇文档剩下的部分,着重于讲解如何以不做无用功的方式使用Django。 这篇文档也没有强调用在开销大的操作上其它的优化技巧,像general purpose caching

了解QuerySet s

理解QuerySets 是通过简单的代码获取较好性能至关重要的一步。 特别是:

了解QuerySet评估

要避免性能问题,理解以下几点非常重要:

了解缓存的属性

和整个QuerySet的缓存相同,ORM对象的属性的结果中也存在缓存。 通常来说,不可调用的属性会被缓存。 例如下面的example Weblog models

>>> entry = Entry.objects.get(id=1)
>>> entry.blog   # Blog object is retrieved at this point
>>> entry.blog   # cached version, no DB access

但是通常来讲,可调用的属性每一次都会访问数据库。

>>> entry = Entry.objects.get(id=1)
>>> entry.authors.all()   # query performed
>>> entry.authors.all()   # query performed again

要小心当你阅读模板代码的时候 —— 模板系统不允许使用圆括号,但是会自动调用callable对象,会隐藏上述区别。

要小心使用你自定义的属性 —— 实现所需的缓存取决于你,例如使用cached_property装饰符。

使用with模板标签

要利用QuerySet的缓存行为,你或许需要使用with模板标签。

使用iterator()

当你有很多对象时,QuerySet的缓存行为会占用大量的内存。 这种情况下,采用iterator()解决。

数据库在数据库中工作,而不是Python

比如:

如果上面那些都不够用,你可以自己生成SQL语句:

使用RawSQL

一个不太便携但更强大的方法是RawSQL表达式,它允许将一些SQL显式添加到查询中。 如果这些还不够强大:

使用原始SQL

编写你自己的custom SQL to retrieve data or populate models,来获取数据或者填充模型。 使用django.db.connection.queries来了解Django为你编写了什么,以及从这里开始。

使用唯一的索引列检索单个对象

有两个原因在get()中,用带有unique或者db_index的列检索独立对象。 首先,由于查询经过了数据库的索引,所以会更快。 此外,如果多个对象与查找匹配,则查询可能运行得慢得多;在列上有一个独特的约束,保证永远不会发生。

所以,使用example Weblog models

>>> entry = Entry.objects.get(id=10)

会快于:

>>> entry = Entry.objects.get(headline="News Item Title")

因为id被数据库索引,而且是唯一的。

下面这样做会十分缓慢:

>>> entry = Entry.objects.get(headline__startswith="News")

首先, headline没有被索引,它会使查询变得很慢:

其次,这次查找并不确保返回唯一的对象。 如果查询匹配到多于一个对象,它会在数据库中遍历和检索所有这些对象。 如果记录中返回了成百上千个对象,代价是非常大的。 如果数据库运行在分布式服务器上,网络开销和延迟也是一大因素,代价会是它们的组合。

如果你知道你会需要它,那么立即检索所有内容

在不同的位置多次访问数据库,一次获取一个数据集,通常来说不如在一次查询中获取它们更高效。 如果你在一个循环中执行查询,这尤其重要。有可能你会做很多次数据库查询,但只需要一次就够了。 所以:

不要检索你不需要的东西

使用QuerySet.values()values_list()

当你仅仅想要一个带有值的dict或者list,并不需要使用ORM模型对象时,可以适当使用values() 对于在模板代码中替换模型对象,这样会非常有用 —— 只要字典中带有的属性和模板中使用的一致,就没问题。

Use QuerySet.defer() and only()

如果一些数据库的列你并不需要(或者大多数情况下并不需要),使用defer()only()来避免加载它们。 注意如果你确实要用到它们,ORM会在另外的查询之中获取它们。如果你不能够合理地使用这些函数,不如不用。

另外,当建立起一个带有延迟字段的模型时,要意识到一些(小的、额外的)消耗会在Django内部产生。 不要不分析数据库就盲目使用延迟字段,因为数据库必须从磁盘中读取大多数非text和VARCHAR数据,在结果中作为单独的一行,即使其中的列很少。 defer()only()方法在你可以避免加载大量文本数据,或者可能要花大量时间处理而返回给Python的字段时,特别有帮助。 像往常一样,应该先写出个大概,之后再优化。

使用QuerySet.count()

...如果你只想计数,而不是做len(queryset)

使用QuerySet.exists()

...如果您只想确定是否存在至少一个结果,而不是如果 queryset

但是:

不要过度使用count()exists()

如果你需要查询集中的其他数据,就把它加载出来。

例如,假设Email模型有一个body属性,并且和User有多对多的关联,下面的的模板代码是最优的:

{% if display_inbox %}
  {% with emails=user.emails.all %}
    {% if emails %}
      <p>You have {{ emails|length }} email(s)</p>
      {% for email in emails %}
        <p>{{ email.body }}</p>
      {% endfor %}
    {% else %}
      <p>No messages today.</p>
    {% endif %}
  {% endwith %}
{% endif %}

这是因为:

  1. 因为查询集是延迟加载的,如果‘display_inbox’为False,不会查询数据库。
  2. 使用with意味着我们为了以后的使用,把user.emails.all储存在一个变量中,允许它的缓存被复用。
  3. {% if emails %}的那一行调用了QuerySet.__bool__(),它导致user.emails.all()查询在数据库上执行,并且至少在第一行以一个ORM对象的形式返回。 如果没有任何结果,会返回False,反之为True。
  4. {{ emails|length }}调用了QuerySet.__len__()方法,填充了缓存的剩余部分,而且并没有执行另一次查询。
  5. for循环的迭代器访问了已经缓存的数据。

总之,这段代码做了零或一次查询。 唯一一个慎重的优化就是with标签的使用。 在任何位置使用QuerySet.exists()或者QuerySet.count()都会导致额外的查询。

使用QuerySet.update()delete()

通过QuerySet.update()使用批量的SQL UPDATE语句,而不是获取大量对象,设置一些值再单独保存。 与此相似,在可能的地方使用bulk deletes

但是要注意,这些批量的更新方法不会在单独的实例上面调用save()或者delete()方法,意思是任何你向这些方法添加的自定义行为都不会被执行,包括由普通数据库对象的signals驱动的任何方法。

直接使用外键值

如果你仅仅需要外键当中的一个值,要使用对象上你已经取得的外键的值,而不是获取整个关联对象再得到它的主键。 例如,执行:

entry.blog_id

而不是:

entry.blog.id

如果您不在乎,请勿订购结果

订购不免费;每个字段排序是数据库必须执行的操作。 如果一个模型具有默认的顺序(Meta.ordering),并且你并不需要它,通过在QuerySet上无参调用order_by() 来移除它。

向你的数据库添加索引可能有助于提升排序性能。

批量插入

创建对象时,尽可能使用bulk_create()来减少SQL查询的数量。 像这样:

Entry.objects.bulk_create([
    Entry(headline='This is a test'),
    Entry(headline='This is only a test'),
])

...优于:

Entry.objects.create(headline='This is a test')
Entry.objects.create(headline='This is only a test')

注意caveats to this method,所以确保它适用于你的情况。

这也可以用在ManyToManyFields中,所以:

my_band.members.add(me, my_friend)

...优于:

my_band.members.add(me)
my_band.members.add(my_friend)

...其中BandsArtists具有多对多关系。