淺談優化Django ORM中的性能問題
Django是個好工具,使用的很廣泛。 在應用比較小的時候,會覺得它很快,但是隨著應用復雜和壯大,就顯得沒那么高效了。當你了解所用的Web框架一些內部機制之后,才能寫成比較高效的代碼。
怎么查問題
Web系統是個挺復雜的玩意,有時候有點無從下手哈。可以采用 自底向上 的順序,從數據存儲一直到數據展現,按照這個順序一點一點查找性能問題。
數據庫 (缺少索引/數據模型)
數據存儲接口 (ORM/低效的查詢)
展現/數據使用 (Views/報表等)
Web應用的大部分問題都會跟 數據庫 扯上關系。除非你正在處理大量的數據并知道你在做什么,否則不要去考慮用Big-O表示法思考View的問題。 數據庫調用的開銷將使循環和模板渲染的開銷相形見絀。 不首先解決數據庫使用中的問題,您就不能繼續解決其他問題。
Django的文檔中有那么一節,詳細的描述了DB部分優化, ORM 從一開始就應該寫的比較高效一些(畢竟有那么多最佳實踐)
優化,很多時候意味著代碼可能變得不太清晰。當你遇到選擇清晰的代碼,還是犧牲清晰代碼來獲取性能上的一點點提高的時候,請優先考慮要代碼的清晰整潔
工具
解決問題的第一步是找到問題,面對 ORM,有時間事情可以做。
理解 django.db.connection, 這個對象可以用來記錄當前查詢花費的時間(知道了SQL語句查詢的時間,當然就知道那里慢了)
>>> from django.db import connection>>> connection.queries[]>>> Author.objects.all()<QuerySet [<Author: Author object>]>>>> connection.queries[{u’time’: u’0.002’, u’sql’: u’SELECT 'library_author'.'id', 'library_author'.'name' FROM 'library_author' LIMIT 21’}]
但是使用起來好像不是很方面。
在shell命令行的環境下,可以使用 django-exension’s shell_plus 命令并打開 --print-sql 選項。
python manage.py shell_plus --print-sql>>> Author.objects.all()SELECT 'library_author'.'id', 'library_author'.'name' FROM 'library_author' LIMIT 21Execution time: 0.001393s [Database: default]<QuerySet [<Author: Author object>]>
還有個更方面的方式, 使用 Django-debug-toolbar 工具,就可以在web端查看SQL查詢的詳細統計結果,其實它功能遠不止這個。
總結下3個方式
django.db.connection django自身提供,比較底層
django-extensions 可以在shell環境下方面調試
django-debug-toolbar 可以在web端直接看到debug結果
案例
下面是用個具體的例子來說明一些問題
model 定義
很經典的外鍵關系, Author 和 Book 一對多的關系
class Author(models.Model): name = models.TextField()class Book(models.Model): title = models.TextField() author = models.ForeignKey( Author, on_delete=models.PROTECT, related_name=’books’, null=True )
多余的查詢
當你檢查一個book是否有author或者想獲取這本書的author 的id的時候,可能更傾向于直接使用 author 對象。
if book.author: do_stuff()# Ordo_stuff_with_author_id(book.author.id)
這里 author對象 其實并不需要(主要指第一行代碼,其實只需要author_id),會導致一次多余的查詢。 如果后面需要 author對象,在獲取也不沖突。 比較好的習慣是,直接使用字段名, 見下面的寫法。
if book.author_id: do_stuff()do_stuff_with_author_id(book.author_id)
count 和 exists
對于初學者, 知道什么時候使用 count 和 exists 還是挺難的。 Django會緩存查詢結果, 所以如果后續的操作會用到這些查詢出來的數據 ,可以使用 Python的內置方法(指的是len,if判斷queryset,下面例子)。如果不用查詢出的數據,使用queryset提供的方法(count(), exists())
# Don’t waste a query if you are using the querysetbooks = Book.objects.filter(..)if books: do_stuff_with_books(books)# If you aren’t using the queryset use existbooks = Book.objects.filter(..)if books.exists(): do_some_stuff()# But neverif Book.objects.filter(..): do_some_stuff()
下面是關于count 和 len 的例子
# Don’t waste a query if you are using the querysetbooks = Book.objects.filter(..)if len(books) > 5: do_stuff_with_books(books)# If you aren’t using the queryset use countbooks = Book.objects.filter(..)if books.count() > 5: do_some_stuff()# But neverif len(Book.objects.filter(..)) > 5: do_some_stuff()
只獲取需要的數據
默認情況下,ORM 查詢的時候會把數據庫記錄對應的所有列取出來,然后轉換成 Python對象,這無疑是個很大的浪費嘛(有時候只想要一兩個列的,寶寶心理��)。當你只需要某些列的時候可以使用 values 或者 values_list, 它們不是把數據轉換成復雜的 python 對象,而是dicts, tuples等。
# Retrieve values as a dictionary>>> Book.objects.values(’title’, ’author__name’)<QuerySet [{’author__name’: u’Nikolai Gogol’, ’title’: u’The Overcoat’}, {’author__name’: u’Leo Tolstoy’, ’title’: u’War and Peace’}]># Retrieve values as a tuple>>> Book.objects.values_list(’title’, ’author__name’)<QuerySet [(u’The Overcoat’, u’Nikolai Gogol’),(u’War and Peace’, u’Leo Tolstoy’)]>>>> Book.objects.values_list(’title’)<QuerySet [(u’The Overcoat’,), (u’War and Peace’,)]># With one value, it is easier to flatten the list>>> Book.objects.values_list(’title’, flat=True)<QuerySet [u’The Overcoat’, u’War and Peace’]>
處理很多記錄
當你獲得一個 queryset 的時候,Django會緩存這些數據。 如果你需要對查詢結果進行好幾次循環,這種緩存是有意義的,但是對于 queryset 只循環一次的情況,緩存就沒什么意義了。
for book in Books.objects.all():
do_stuff(book)
上面的查詢,django會把books所有的數據歐載入內存,然后進行一次循環。其實我們更想要保持這個數據庫 connection, 每次循環的取出一條book數據,然后調用 do_stuff。iterator 就是我們的救星。
for book in Books.objects.all().iterator():
do_stuff(book)
有了 iterator,你就可以編寫線性數據表或者CSV流了。就能增量寫入文件或者發送給用戶。
特別是跟 values,values_list 結合在一起的時候,能盡可能少的使用內存。在需要對表中的每一行進行修改的遷移期間,使用iterator也非常方便。 不能因為遷移不是面向客戶的就可以降低對效率的要求。 長時間運行的遷移可能意味著事務鎖定或停機。
關聯查詢問題
Django ORM的API使得我們使用關系型數據庫的時候就像使用面向對象的 Python 語言那樣自然。
# Get the Author’s name of a Bookbook = Book.objects.first()book.author.name
上面的代碼相當的清晰和好理解。Django 使用 lazy loading(懶加載)的方式,只有用到了 author 對象時候才會加載。這樣做有好處,但是會造成爆炸��式的查詢。
>>> Author.objects.count()20>>> Book.objects.count()100# This block is 101 queries.# 1 for the books and 1 for each author that lazy-loaded books = Book.objects.all()for book in books: do_stuff(book.title, book.author.name)# This block is 20 queries.# 1 for the author and 1 for the books of each authorauthors = Author.objects.all()for author in authors: do_stuff_with_books(author.name, author.books.all())
Django 意識到了這種問題,并提供 select_related 和 prefetch_related 來解決。
# This block is 1 query# The authors of all the books are pre-fetched in one querybook = Book.objects.selected_related(’author’).all()for book in books: do_stuff(book.title, book.author)# This block is 1 query# The books of all the authors are pre-fetched in one queryauthors = Author.objects.prefetch_related(’books’).all()for author in authors: do_stuff_with_books(author.name, author.books.all())
在Django app中使用 prefetch_related 和 select_related 的時候要謹慎。
prefetch_related 有個坑,當你像要在related查詢中使用 filter時候author.books.filter(..), 之前在 prefetch_related 中的緩存就無法使用了,相對于 author.books.all() 來說的。有些事情會變的復雜了,你最好2次查詢來解決這種問題,上級對象和它的子對象各一次,然后在進行聚合。 如果 prefetch太復雜了,這時候就要在代碼的整潔清晰和應用性能之間做一個取舍了。
最好是了解下 prefetch_related 和 select_related 的區別,文檔在這
select_related 不好用的時候
某些情況下 select_related 會變得不好使。 看看下面的例子,id() 方法用來判斷 Python 對象實例的唯一性,如果 id結果相同,表示同一個 對象實例。
>>> [(id(book.author), book.author.pk) for book in Book.objects.select_related(’author’)]
[(4504798608, 1), (4504799824, 1)]
select_related 為查詢的每個row,創建了一個新對象,耗費了大量的內存(上面的結果中,對于數據庫中的同一個author對象創建了不同的python對象)。SQL一會為每行返回重復的信息。 如果你進行一個查詢,其中select_related 查詢的所有值都是相同的,你就需要使用別的東西。 使用相關查詢或翻轉(flip)查詢并使用prefetch_related。
使用 author.books.all() 結合對象相關查詢,Django會為每個已經查詢的book記錄保存相同的author對象
>> id(author)4504693520>>> [(id(book.author), book.author.pk) for book in author.books.all()][(4504693520, 1), (4504693520, 1)]
使用 select_related 還有一個隱含問題,當你修改一個author 對象的時候,如果其他book也關聯到這個author,這個改變不會傳播過去,因為它們在python內存中是不同的對象實例。如果使用 對象相關查詢,修改就能傳播。
簡單不一定更好
Django使得關系查詢太容易了,這也帶來了一些副作用。當你將一個對象傳入函數中,接著使用了 relationship (對象關系), 實際上無法知道這種關聯的數據是否已經從數據庫取出來。
def author_name_length(book): return len(book.author.name)def process_author_books(author): for book in author.books.all(): do_stuff(book)
上面的函數中 author_name_length 和 process_author_books, 誰將會查詢? 我們無從所知。 Django ORM中的關聯查詢非常好用,我們自然希望使用這種方式。在一個循環中,如果不使用 select_related 或者 prefetch_related,可能會導致幾百個查詢。Django只會知道查詢,而不會多看一眼。這種情況只能依靠SQL的logs,還有函數調用來監控,然后確定是否進行預查詢。
我們可以重寫函數,參數的傳遞采用扁平的數據結構,類似 namedtuple, 而不是 model,但這種別考慮這種方案。
怎么修復?
我們已經知道了這個問題,那么怎樣拓展Django能讓我們更明確的知道資源的消耗呢。很多數據庫的封裝已經通過不同的方式解決了這個問題。在Ecto中,Elixir的數據庫封裝,一個沒有獲取數據的關系調用會返回 Ecto.Association.NotLoaded 提示,而不是默默的查詢。
我們可以想象Django的某個版本使用 pythonic 的方式實現了這種功能。
>>> book.author.nameTraceback (most recent call last):File '<console>', line 1, in <module>File '/Users/kyle/orm_test/library/models.py', line 18, in __get__’Use `select_related` or `fetch_{rel}`’.format(rel=self.field.name)RelationNotLoaded: Relation `author` not loaded. Use `select_related` or `fetch_author`# We explicitly fetch the resource>>> book.fetch_author()<Author: Author object>>>> book.author.name'Fyodor Dostoevsky'# Select related works just as well>>> book = Book.objects.select_related(’author’).first()>>> book.author.name'Anton Chekhov'
總結
ORM 的使用并沒有固定的標準。對于小的應用來說,優化可能并沒有多么明顯的效果。應該以代碼清晰為優先,然后在考慮優化的事情。程序增長過程中,對 ORM 的使用一定要保持好的習慣。養成對資源消耗敏感的習慣,以后會有很多好處。
優化的方法很多,對于長遠來說了解一些原則更為實用
習慣隔離代碼并記錄產生的查詢
不要在循環中查詢
了解 ORM 是怎么緩存數據的
知道 Django 何時會做查詢
不要以犧牲清晰度為代價過度優化
以上這篇淺談優化Django ORM中的性能問題就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持好吧啦網。
相關文章:
