Djangos databaslager tillhandahåller olika sätt att hjälpa utvecklare att få ut mesta möjliga av sina databaser. Detta dokument samlar länkar till relevant dokumentation och lägger till olika tips, organiserade under ett antal rubriker som beskriver de steg som ska vidtas när du försöker optimera din databasanvändning.
\nSom allmän programmeringspraxis säger detta sig självt. Ta reda på vilka frågor du gör och vad de kostar dig. Använd QuerySet.explain() för att förstå hur specifika QuerySet exekveras av din databas. Du kanske också vill använda ett externt projekt som django-debug-toolbar, eller ett verktyg som övervakar din databas direkt.
Kom ihåg att du kan optimera för hastighet eller minne eller båda, beroende på dina krav. Ibland kan optimering för det ena vara till nackdel för det andra, men ibland kan de hjälpa varandra. Det arbete som utförs av databasprocessen kanske inte heller har samma kostnad (för dig) som samma mängd arbete som utförs i din Python-process. Det är upp till dig att bestämma vilka dina prioriteringar är, var balansen måste ligga och profilera alla dessa efter behov eftersom detta beror på din applikation och server.
\nMed allt som följer, kom ihåg att profilera efter varje ändring för att säkerställa att ändringen är en fördel, och en tillräckligt stor fördel med tanke på minskningen av läsbarheten i din kod. Alla förslagen nedan kommer med förbehållet att den allmänna principen kanske inte gäller under dina omständigheter, eller kanske till och med är omvänd.
\n…inklusive..:
\nIndexes. This is a number one priority, after you have determined from\nprofiling what indexes should be added. Use\nMeta.indexes or\nField.db_index to add these from\nDjango. Consider adding indexes to fields that you frequently query using\nfilter(),\nexclude(),\norder_by(), etc. as indexes may help\nto speed up lookups. Note that determining the best indexes is a complex\ndatabase-dependent topic that will depend on your particular application.\nThe overhead of maintaining an index may outweigh any gains in query speed.
Lämplig användning av fälttyper.
Vi kommer att anta att du har gjort de saker som anges ovan. Resten av detta dokument fokuserar på hur man använder Django på ett sådant sätt att man inte gör onödigt arbete. Detta dokument tar inte heller upp andra optimeringstekniker som gäller för alla dyra operationer, till exempel general purpose caching.
\nQuerySetLink to this heading#Att förstå QuerySets är avgörande för att få bra prestanda med enkel kod. I synnerhet:
\nQuerySetLink to this heading#För att undvika prestandaproblem är det viktigt att förstå:
\natt QuerySets är lata.
när de utvärderas.
hur data lagras i minnet.
Förutom cachelagring av hela QuerySet finns det cachelagring av resultatet av attribut på ORM-objekt. I allmänhet kommer attribut som inte är anropsbara att cachelagras. Om vi till exempel antar att example blog models:
>>> entry = Entry.objects.get(id=1)\n>>> entry.blog # Blog object is retrieved at this point\n>>> entry.blog # cached version, no DB access\nMen i allmänhet orsakar anropsbara attribut DB-uppslagningar varje gång:
\n>>> entry = Entry.objects.get(id=1)\n>>> entry.authors.all() # query performed\n>>> entry.authors.all() # query performed again\nVar försiktig när du läser mallkod - mallsystemet tillåter inte användning av parenteser, men kommer att kalla callables automatiskt, vilket döljer ovanstående distinktion.
\nVar försiktig med dina egna anpassade egenskaper - det är upp till dig att implementera caching när det behövs, till exempel med hjälp av cached_property-dekoratorn.
withLink to this heading#För att utnyttja cachelagringsbeteendet hos QuerySet kan du behöva använda malltaggen with.
iterator()Link to this heading#When you have a lot of objects, the caching behavior of the QuerySet can\ncause a large amount of memory to be used. In this case,\niterator() may help.
explain()Link to this heading#QuerySet.explain() ger dig detaljerad information om hur databasen exekverar en fråga, inklusive index och sammanfogningar som används. Dessa detaljer kan hjälpa dig att hitta frågor som kan skrivas om på ett effektivare sätt eller identifiera index som kan läggas till för att förbättra prestandan.
Till exempel:
\nPå den mest grundläggande nivån använder du filter och exkludera för att göra filtrering i databasen.
Use F()-uttryck to filter based on other fields within the same\nmodel.
Om dessa inte räcker för att generera den SQL du behöver:
\nRawSQLLink to this heading#En mindre portabel men mer kraftfull metod är RawSQL-uttrycket, som gör att viss SQL uttryckligen kan läggas till i frågan. Om det fortfarande inte är tillräckligt kraftfullt:
Skriv din egen custom SQL för att hämta data eller fylla i modeller. Använd django.db.connection.queries för att ta reda på vad Django skriver åt dig och börja därifrån.
Det finns två skäl att använda en kolumn med unique eller db_index när man använder get() för att hämta enskilda objekt. För det första kommer frågan att vara snabbare på grund av det underliggande databasindexet. Dessutom kan frågan köras mycket långsammare om flera objekt matchar uppslagningen; att ha en unik begränsning på kolumnen garanterar att detta aldrig kommer att hända.
Så med hjälp av exempel på bloggmodeller:
\n>>> entry = Entry.objects.get(id=10)\nkommer att vara snabbare än:
\n>>> entry = Entry.objects.get(headline="News Item Title")\neftersom id indexeras av databasen och garanterat är unik.
Att göra följande är potentiellt ganska långsamt:
\n>>> entry = Entry.objects.get(headline__startswith="News")\nFörst och främst är headline inte indexerad, vilket gör att den underliggande databashämtningen blir långsammare.
Second, the lookup may return multiple results. Even though Django applies a\nlimit of 21 objects when using get(),\nthe database may still need to scan everything to evaluate a non-unique\ncondition. Narrowing your query up-front is more efficient.
QuerySet.values() och values_list()Link to this heading#When you only want a dict or list of values, and don’t need ORM model\nobjects, make appropriate usage of\nvalues().\nThese can be useful for replacing model objects in template code - as long as\nthe dicts you supply have the same attributes as those used in the template,\nyou are fine.
QuerySet.defer() och only()Link to this heading#Use defer() and\nonly() if there are database columns\nyou know that you won’t need (or won’t need in most cases) to avoid loading\nthem. Note that if you do use them, the ORM will have to go and get them in\na separate query, making this a pessimization if you use it inappropriately.
Var inte för aggressiv när det gäller att skjuta upp fält utan profilering eftersom databasen måste läsa det mesta av icke-text, icke-VARCHAR-data från disken för en enda rad i resultaten, även om det slutar med att bara använda några få kolumner. Metoderna defer() och only() är mest användbara när du kan undvika att ladda en massa textdata eller för fält som kan kräva mycket bearbetning för att konvertera tillbaka till Python. Som alltid, profilera först, optimera sedan.
QuerySet.contains(obj)Link to this heading#…om du bara vill ta reda på om obj finns i frågeuppsättningen, snarare än om obj i frågeuppsättningen.
QuerySet.count()Link to this heading#…om du bara vill ha antalet, istället för att göra len(queryset).
QuerySet.exists()Link to this heading#…om du bara vill ta reda på om minst ett resultat finns, snarare än if queryset.
Men..:
\ncontains(), count() och exists()Link to this heading#Om du kommer att behöva andra data från QuerySet ska du utvärdera dem omedelbart.
\nOm vi till exempel antar att en Group-modell har en många-till-många-relation till User, är följande kod optimal:
members = group.members.all()\n\nif display_group_members:\n if members:\n if current_user in members:\n print("You and", len(members) - 1, "other users are members of this group.")\n else:\n print("There are", len(members), "members in this group.")\n\n for member in members:\n print(member.username)\n else:\n print("There are no members in this group.")\nDet är optimalt eftersom:
\nEftersom QuerySets är lata görs inga databasfrågor om display_group_members är False.
Genom att lagra group.members.all() i variabeln members kan dess resultatcache återanvändas.
Raden if members: gör att QuerySet.__bool__() anropas, vilket gör att group.members.all()-frågan körs på databasen. Om det inte finns några resultat returneras False, annars True.
Raden if current_user in members: kontrollerar om användaren finns i resultatcachen, så att inga ytterligare databasfrågor ställs.
Användningen av len(members) anropar QuerySet.__len__() och återanvänder resultatcachen, så inte heller här ställs några databasfrågor.
Slingan for member itererar över resultatcachen.
Totalt gör denna kod antingen en eller noll databasförfrågningar. Den enda avsiktliga optimering som gjorts är att använda variabeln members. Att använda QuerySet.exists() för if, QuerySet.contains() för in eller QuerySet.count() för count skulle var och en orsaka ytterligare frågor.
QuerySet.update() och delete()Link to this heading#I stället för att hämta en mängd objekt, ställa in några värden och spara dem individuellt, använd en bulk SQL UPDATE-sats via QuerySet.update(). Gör på samma sätt bulk deletes när det är möjligt.
\nObservera dock att dessa metoder för massuppdatering inte kan anropa metoderna save() eller delete() för enskilda instanser, vilket innebär att eventuella anpassade beteenden som du har lagt till för dessa metoder inte kommer att utföras, inklusive allt som drivs från det normala databasobjektet signals.
Om du bara behöver ett främmande nyckelvärde, använd det främmande nyckelvärde som redan finns på det objekt du har, i stället för att hämta hela det relaterade objektet och ta dess primära nyckel. dvs. gör:
\nentry.blog_id\nistället för:
\nentry.blog.id\nOrdering is not free; each field to order by is an operation the database must\nperform. If a model has a default ordering (Meta.ordering) and you don’t need it, remove\nit on a QuerySet by calling\norder_by() with no parameters.
Om du lägger till ett index i din databas kan det bidra till att förbättra beställningsresultatet.
\nAnvänd bulkmetoder för att minska antalet SQL-satser.
\nWhen creating objects, where possible, use the\nbulk_create() method to reduce the\nnumber of SQL queries. For example:
Entry.objects.bulk_create(\n [\n Entry(headline="This is a test"),\n Entry(headline="This is only a test"),\n ]\n)\n…är att föredra framför:
\nEntry.objects.create(headline="This is a test")\nEntry.objects.create(headline="This is only a test")\nNote that bulk_create() has several\ncaveats, so ensure it’s appropriate for your use case.
When updating objects, where possible, use the\nbulk_update() method to reduce the\nnumber of SQL queries. Given a list or queryset of objects:
entries = Entry.objects.bulk_create(\n [\n Entry(headline="This is a test"),\n Entry(headline="This is only a test"),\n ]\n)\nFöljande exempel:
\nentries[0].headline = "This is not a test"\nentries[1].headline = "This is no longer a test"\nEntry.objects.bulk_update(entries, ["headline"])\n…är att föredra framför:
\nentries[0].headline = "This is not a test"\nentries[0].save()\nentries[1].headline = "This is no longer a test"\nentries[1].save()\nNote that bulk_update() has several\ncaveats, so ensure it’s appropriate for your use case.
När du infogar objekt i ManyToManyFields, använd add() med flera objekt för att minska antalet SQL-frågor. Till exempel:
my_band.members.add(me, my_friend)\n…är att föredra framför:
\nmy_band.members.add(me)\nmy_band.members.add(my_friend)\n…där Band och Artist är modeller med ett många-till-många-förhållande.
When inserting different pairs of objects into\nManyToManyField or when the custom\nthrough table is defined, use\nbulk_create() method to reduce the\nnumber of SQL queries. For example:
PizzaToppingRelationship = Pizza.toppings.through\nPizzaToppingRelationship.objects.bulk_create(\n [\n PizzaToppingRelationship(pizza=my_pizza, topping=pepperoni),\n PizzaToppingRelationship(pizza=your_pizza, topping=pepperoni),\n PizzaToppingRelationship(pizza=your_pizza, topping=mushroom),\n ],\n ignore_conflicts=True,\n)\n…är att föredra framför:
\nmy_pizza.toppings.add(pepperoni)\nyour_pizza.toppings.add(pepperoni, mushroom)\n…där Pizza och Topping har en många-till-många-relation. Observera att det finns ett antal avrådan för denna metod, så se till att den är lämplig för ditt användningsfall.
När du tar bort objekt från ManyToManyFields, använd remove() med flera objekt för att minska antalet SQL-frågor. Till exempel:
my_band.members.remove(me, my_friend)\n…är att föredra framför:
\nmy_band.members.remove(me)\nmy_band.members.remove(my_friend)\n…där Band och Artist är modeller med ett många-till-många-förhållande.
When removing multiple many-to-many relationships involving several instances\nof the related models, use the delete()\nmethod on a filtered queryset of the field’s\nthrough model. By combining multiple\nconditions with objekt av typen Q(), you can delete several relationships in a\nsingle query. For example:
from django.db.models import Q\n\nPizzaToppingRelationship = Pizza.toppings.through\nPizzaToppingRelationship.objects.filter(\n Q(pizza=my_pizza, topping=pepperoni)\n | Q(pizza=your_pizza, topping=pepperoni)\n | Q(pizza=your_pizza, topping=mushroom)\n).delete()\n…är att föredra framför:
\nmy_pizza.toppings.remove(pepperoni)\nyour_pizza.toppings.remove(pepperoni, mushroom)\n…där Pizza och Topping har ett många-till-många-förhållande.