请不要以python思惟对待django ORM

若是一个web请求须要花费几秒，99%是由于数据库没用好。 当使用ORM的时候，很天然地会想要用python的思惟方式来处理数据查询，可是这种思惟方式会杀死你的性能。改用子查询(subqueries)和annotations，以sql的思惟思考，能够大幅度提升你的web性能。

有一天你打开Datadog，看到一张这样的图：

红色的区域表示进行了数据库请求。这一次web请求进行了644次数据库请求！只有18.6%的时间在作真正有用的事。单次的数据库请求是很快的，可是这么多请求加起来就会严重拖慢web请求速度。 在django这个上下文下，每一次数据库请求，都须要分配内存，model和数据库映射时，还须要序列化和反序列化，而后还要经过网络传输数据。

对于一次web请求，数据库分配到的工做越多，数据库请求次数越少，效率越高。

若是将这644次数据库请求转换成一次，响应速度能够提升将近40倍。

数据库查询性能清单

• 不管数据大小，请求次数是否是都是常数？
• 你是否只从数据库取真正须要的数据？
• 这个问题只能使用Python循环解决吗？

打破Python思惟模式

有一个City model，其中有一个计算城市人口密度的方法density。

class City(models.Model):
    state = models.ForeignKey(State, related_name='cities')
    name = models.TextField()
    population = models.DecimalField()
    land_area_km = models.DecimalField()
    def density(self):
       return self.population / self.land_area_km

复制代码

想要计算一个城市的人口密度，下面这种方式是很天然就能想到的：

>>> illinois = State.objects.get(name='Illinois')
>>> chicago = City.objects.create(
    name="Chicago",
    state=illinois,
    population=2695598,
    land_area_km=588.81
)
>>> chicago.density()
4578.04...
复制代码

问题出在当咱们想要查询出全部拥挤(密度大于4000)的城市时：

class City(models.Model):
    ...
 @classmethod
    def dense_cities(cls):
        return [
            city for city in City.objects.all()
            if city.density() > 4000
        ]
复制代码

若是只有5%的城市是拥挤的，那么将会有95%的数据最终会被丢弃。**在数据中过滤，必定是比将数据导入内存，而后让Python过滤效率要高的！**对于不须要的数据，django都须要花时间完成额外、无心义的操做：将数据转换成model实例。对于数据量小的应用到没什么，可是一旦数据库一大，对性能照成的影响是巨大的。

使用annotate

objects = CitySet.as_manager()这一行表示对City这一model使用自定义的ModelManager，这里不展开讲了，有兴趣能够本身搜索一下。 关于annotate的使用，请参考今天一块儿发的另外一篇文章：Django annotation,减小IO次数利器。

class CitySet(models.QuerySet):
    def add_density(self):
        return self.annotate(
            density=F('population') / F('land_area_km')
        )
    def dense_cities(self):
        self.add_density().filter(density__gt=4000)

class City(models.Model):
    ...
    objects = CitySet.as_manager()
复制代码

annotate(density=F('population') / F('land_area_km'))中的F aggregate函数表示获取population和land_area_km的值。

self.annotate(
  density=F('population') / F('land_area_km')
)
复制代码

表示对于一个queryset，给他其中的每一项object，加上一个density字段，值为population /land_area_km。

>>> City.objects.dense_cities().values_list('name', 'density')
<QuerySet [("New York City", Decimal('10890.23')), ...]>

# Reverse descriptor
>>> illinois.city.dense_cities().values_list('name', 'density')
<QuerySet [("Chicago", Decimal('4578.04')), ...]>

复制代码

解释一下：

City.objects.dense_cities().values_list('name', 'density')
复制代码

这个查询语句的queryset是全部的city object，应该是直接用City这个model调用objects。先调用annotate(density=F('population') / F('land_area_km'))，给每一个object加上density这个字段，最后筛选出density大于4000的。

illinois.city.dense_cities().values_list('name', 'density')
复制代码

这个查询语句的queryset是illinois州的全部城市。

这种方法比前面循环的方法效率高多了，由于IO只有一次。

使用subquery

一次查询效率比屡次查询高。 杀死django性能最简单的方式就是在for循环中使用query。

要筛选出全部存在dense城市的州：

[
    state for state in State.objects.all()
    if state.cities.dense_cities().exists()
]
复制代码

相似这种，exists()会进行一次额外的查询，这会累计不少次毫秒级的查询。加起来的时间也是很可观的。能够用subquery解决这个问题。

最基本的使用方法：

state_ids = City.objects.dense_cities().values('state_id') 
State.objects.filter(id__in=Subquery(state_ids))
// 或者也能够把Subquery省略掉
State.objects.filter(id__in=state_ids)
复制代码

这样就把不少次的exists查询下降到了一次。

更进一步，和前面说过的annotate结合起来：

class StateSet(models.QuerySet):
    def add_dense_cities(self):
        return self.annotate(
            has_dense_cities=Exists(
               City
               .objects
               .filter(state=OuterRef('id'))
               .dense_cities()
            )
        )

class State(models.Model):
    ...
    objects = StateSet.as_manager()
复制代码

filter(state=OuterRef('id'))就是筛选出 state object的全部city，而后调用dense_cities筛选dense城市，而后调用Exists聚合函数，返回True或False。add_dense_cities就给state queryset里的每个object加上了一个has_dense_cities字段。

最后使用这个查询：

State.objects.add_dense_cities().filter(has_dense_cities=True)
复制代码

总结

提升数据库查询效率的一个重要原则就是下降IO查询次数，尽可能避免使用for循环，试试annotate和subquery吧！

关注个人微信公众号