编辑“︁Django性能优化指南”︁（章节）

= Django性能优化指南 =

== 介绍 ==  
Django是一个高效且功能强大的Python Web框架，但随着项目规模的增长，性能问题可能逐渐显现。本指南将介绍一系列Django性能优化的最佳实践，涵盖数据库查询、缓存、静态文件处理、代码结构优化等关键领域。无论您是初学者还是经验丰富的开发者，这些技巧都能帮助您构建更高效的Django应用。

== 数据库优化 ==  

=== 使用select_related和prefetch_related ===  
Django的ORM提供了两种减少数据库查询次数的工具：  
* <code>select_related</code>：通过JOIN一次性获取关联对象（适用于ForeignKey和OneToOneField）  
* <code>prefetch_related</code>：通过额外查询预取多对多或多对一关系  

<syntaxhighlight lang="python">  
# 未优化版本（N+1查询问题）  
books = Book.objects.all()  
for book in books:  
    print(book.author.name)  # 每次循环都会查询数据库  

# 优化版本（1次查询）  
books = Book.objects.select_related('author').all()  
</syntaxhighlight>  

=== 避免使用count()和exists() ===  
在可能的情况下，用<code>len(queryset)</code>替代<code>queryset.count()</code>，用<code>if queryset</code>替代<code>queryset.exists()</code>，避免额外的数据库查询。

=== 使用索引 ===  
为频繁查询的字段添加数据库索引：  
<syntaxhighlight lang="python">  
class Book(models.Model):  
    title = models.CharField(max_length=100, db_index=True)  
    author = models.ForeignKey(Author, on_delete=models.CASCADE)  

    class Meta:  
        indexes = [  
            models.Index(fields=['author', 'title']),  
        ]  
</syntaxhighlight>  

== 缓存策略 ==  

=== 视图缓存 ===  
使用Django的缓存框架缓存整个视图：  
<syntaxhighlight lang="python">  
from django.views.decorators.cache import cache_page  

@cache_page(60 * 15)  # 缓存15分钟  
def my_view(request):  
    ...  
</syntaxhighlight>  

=== 模板片段缓存 ===  
缓存模板中的特定部分：  
<syntaxhighlight lang="django">  
{% load cache %}  
{% cache 500 sidebar %}  
    <!-- 复杂的侧边栏内容 -->  
{% endcache %}  
</syntaxhighlight>  

=== 低级缓存API ===  
直接缓存Python对象：  
<syntaxhighlight lang="python">  
from django.core.cache import cache  

def get_expensive_data():  
    data = cache.get('expensive_data')  
    if data is None:  
        data = calculate_expensive_data()  
        cache.set('expensive_data', data, 3600)  
    return data  
</syntaxhighlight>  

== 静态文件优化 ==  

=== 使用WhiteNoise ===  
WhiteNoise是一个轻量级的静态文件服务器中间件：  
<syntaxhighlight lang="python">  
# settings.py  
MIDDLEWARE = [  
    'whitenoise.middleware.WhiteNoiseMiddleware',  
    ...  
]  

STATICFILES_STORAGE = 'whitenoise.storage.CompressedManifestStaticFilesStorage'  
</syntaxhighlight>  

=== 文件压缩 ===  
使用Django的<code>GZipMiddleware</code>压缩响应：  
<syntaxhighlight lang="python">  
MIDDLEWARE = [  
    'django.middleware.gzip.GZipMiddleware',  
    ...  
]  
</syntaxhighlight>  

== 查询优化 ==  

=== 使用values()和values_list() ===  
当只需要部分字段时，这些方法可以减少数据传输量：  
<syntaxhighlight lang="python">  
# 获取字典列表而非模型实例  
Book.objects.values('title', 'author__name')  

# 获取元组列表（更高效）  
Book.objects.values_list('title', flat=True)  
</syntaxhighlight>  

=== 批量操作 ===  
使用<code>bulk_create</code>和<code>bulk_update</code>减少数据库查询：  
<syntaxhighlight lang="python">  
Book.objects.bulk_create([  
    Book(title='Book 1'),  
    Book(title='Book 2'),  
    ...  
])  
</syntaxhighlight>  

== 异步任务 ==  

=== 使用Celery ===  
将耗时任务移出请求-响应循环：  
<syntaxhighlight lang="python">  
from celery import shared_task  

@shared_task  
def send_email_notification(user_id):  
    user = User.objects.get(id=user_id)  
    # 发送邮件逻辑  
</syntaxhighlight>  

== 性能监控 ==  

=== Django Debug Toolbar ===  
安装配置Django Debug Toolbar来识别性能瓶颈：  
<syntaxhighlight lang="python">  
# settings.py  
if DEBUG:  
    INSTALLED_APPS += ['debug_toolbar']  
    MIDDLEWARE += ['debug_toolbar.middleware.DebugToolbarMiddleware']  
    INTERNAL_IPS = ['127.0.0.1']  
</syntaxhighlight>  

=== 数据库查询分析 ===  
使用<code>connection.queries</code>查看查询详情：  
<syntaxhighlight lang="python">  
from django.db import connection  

# 在视图或测试中  
print(connection.queries)  
</syntaxhighlight>  

== 实际案例 ==  

=== 电商网站商品列表优化 ===  
'''问题'''：商品列表页加载缓慢，每次请求产生50+数据库查询  
'''解决方案'''：  
1. 使用<code>select_related</code>预取分类信息  
2. 实现分页减少单次加载量  
3. 缓存热门分类的商品列表  
4. 使用<code>values()</code>只选择必要字段  

优化后查询数量从50+降至3-5次，页面加载时间从1200ms降至200ms。

== 性能优化检查清单 ==  
* [ ] 数据库查询优化（select_related/prefetch_related）  
* [ ] 添加适当的数据库索引  
* [ ] 实现缓存策略  
* [ ] 静态文件优化  
* [ ] 启用GZip压缩  
* [ ] 异步处理耗时任务  
* [ ] 监控和分析性能指标  

== 进阶主题 ==  

=== 数据库分片 ===  
对于超大规模应用，考虑将数据分散到多个数据库：  
<mermaid>  
graph LR  
    A[应用服务器] --> B[分片1]  
    A --> C[分片2]  
    A --> D[分片3]  
</mermaid>  

=== 数学优化示例 ===  
在需要进行复杂计算时，考虑算法复杂度：  
<math>O(n^2) \rightarrow O(n \log n)</math>  

通过应用这些技术，您可以显著提高Django应用的性能，为用户提供更好的体验。记住，优化应该基于实际性能分析，而不是猜测。

[[Category:后端框架]]
[[Category:Django]]
[[Category:Django最佳实践]]