Django项目优化数据库操作总结

2025-05-25 0 70

参考网址:Django官方数据库优化

使用 QuerySet.explain() 来了解你的数据库是如何执行特定的 QuerySet 的。

你可能还想使用一个外部项目,比如 django-debug-toolbar ,或者一个直接监控数据库的工具。

合理的创建索引

索引可能有助于加快查询速度,但是也要注意索引会占用磁盘空间,创建不必要的索引只会形成浪费。数据库表中的主键、外键、唯一键默认会创建索引。
那么哪些字段需要创建索引呢?这是一个好的且令人疑惑的问题,下面列出的几条可以作为参照意见:

  • 频繁出现在WHERE条件子句的字段(也就是Django里filter筛选的字段)
  • 经常被用来分组(group by)或者排序(order by)的字段
  • 在经常存取的多个列上创建复合索引,但要注意复合索引的顺序要按照使用的频度来决定
?
1
2
3
4
5
6
class ModelName(models.Model):
    # 字段添加索引使用db_index
    name = models.CharField(db_index=True, max_length=100)
    class Meta:
        # 联合唯一索引使用index_together
        index_together = (\'字段1\', \'字段2\')

设置数据库持久连接

减少SQL的执行次数

多次访问数据库比单次查询所有内容的效率低。因此理解并学会使用 select_related() 和 prefetch_related() 。

select_related():创建一个 SQL 连接,并在 SELECT 语句中包含相关对象的字段。一般用于一对多(ForeignKey)和一对一(OneToOneField)关系

?
1
2
3
4
5
6
7
8
9
10
11
# 标准查询
# Hits the database.
e = Entry.objects.get(id=5)
# Hits the database again to get the related Blog object.
b = e.blog
# select_related 查询
# Hits the database.
e = Entry.objects.select_related(\'blog\').get(id=5)
# Doesn\'t hit the database, because e.blog has been prepopulated
# in the previous query.
b = e.blog

prefetch_related(): 一般用于多对一(GenericForeignKey)和多对多(ManyToManyField)关系

?
1
2
3
4
5
6
7
8
9
10
11
12
13
from django.db import models
class Topping(models.Model):
    name = models.CharField(max_length=30)
class Pizza(models.Model):
    name = models.CharField(max_length=50)
    toppings = models.ManyToManyField(Topping)
    def __str__(self):
        return \"%s (%s)\" % (
            self.name,
            \", \".join(topping.name for topping in self.toppings.all()),
        )
# Good
pizza.objects.all().prefetch_related(\'toppings\')

仅获取需要的字段数据

使用 QuerySet.values() 和 values_list()

使用 QuerySet.defer() 和 only()

使用 QuerySet.count()

使用 QuerySet.exists()

请不要过度使用 count() 和 exists()

使用批量创建、更新和删除,不随意对结果排序

批量创建: 当创建对象时,尽可能使用 bulk_create() 方法来减少 SQL 查询数量。比如:

?
1
2
3
4
5
6
7
8
# Good
Entry.objects.bulk_create([
    Entry(headline=\'This is a test\'),
    Entry(headline=\'This is only a test\'),
])
# Bad
Entry.objects.create(headline=\'This is a test\')
Entry.objects.create(headline=\'This is only a test\')

批量更新: 当更新对象时,尽可能使用 bulk_update() 方法来减少 SQL 查询数。给定对象的列表或查询集:

?
1
2
3
4
5
6
7
8
9
# Good
entries[0].headline = \'This is not a test\'
entries[1].headline = \'This is no longer a test\'
Entry.objects.bulk_update(entries, [\'headline\'])
# Bad
entries[0].headline = \'This is not a test\'
entries[0].save()
entries[1].headline = \'This is no longer a test\'
entries[1].save()

批量插入: 当插入对象到 ManyToManyFields 时,使用带有多个对象的 add() 来减少 SQL 查询的数量。

举例:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# Good
my_band.members.add(me, my_friend)
# Bad
my_band.members.add(me)
my_band.members.add(my_friend)
# Good
PizzaToppingRelationship = Pizza.toppings.through
PizzaToppingRelationship.objects.bulk_create([
    PizzaToppingRelationship(pizza=my_pizza, topping=pepperoni),
    PizzaToppingRelationship(pizza=your_pizza, topping=pepperoni),
    PizzaToppingRelationship(pizza=your_pizza, topping=mushroom),
], ignore_conflicts=True)
# Bad
my_pizza.toppings.add(pepperoni)
your_pizza.toppings.add(pepperoni, mushroom)

批量删除: 当从 ManyToManyFields 删除对象时,可以使用带有多个对象的 remove() 来减少 SQL 查询的数量。

比如:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# Good
my_band.members.remove(me, my_friend)
# Bad
my_band.members.remove(me)
my_band.members.remove(my_friend)
# Good
from django.db.models import Q
PizzaToppingRelationship = Pizza.toppings.through
PizzaToppingRelationship.objects.filter(
    Q(pizza=my_pizza, topping=pepperoni) |
    Q(pizza=your_pizza, topping=pepperoni) |
    Q(pizza=your_pizza, topping=mushroom)
).delete()
# Bad
my_pizza.toppings.remove(pepperoni)
your_pizza.toppings.remove(pepperoni, mushroom)

以上就是Django项目优化数据库操作总结的详细内容,更多关于Django项目优化数据库的资料请关注其它相关文章!

收藏 (0) 打赏

感谢您的支持,我会继续努力的!

打开微信/支付宝扫一扫,即可进行扫码打赏哦,分享从这里开始,精彩与您同在
点赞 (0)

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

快网idc优惠网 建站教程 Django项目优化数据库操作总结 https://www.kuaiidc.com/51849.html

相关文章

发表评论
暂无评论