跳转到内容

Django性能优化指南

来自代码酷

Django性能优化指南[编辑 | 编辑源代码]

介绍[编辑 | 编辑源代码]

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[编辑 | 编辑源代码]

使用select_related和prefetch_related[编辑 | 编辑源代码]

Django的ORM提供了两种减少数据库查询次数的工具：

  • select_related：通过JOIN一次性获取关联对象（适用于ForeignKey和OneToOneField）
  • prefetch_related：通过额外查询预取多对多或多对一关系
  
# 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()

避免使用count()和exists()[编辑 | 编辑源代码]

在可能的情况下，用len(queryset)替代queryset.count()，用if queryset替代queryset.exists()，避免额外的数据库查询。

使用索引[编辑 | 编辑源代码]

为频繁查询的字段添加数据库索引： 

  
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']),  
        ]

缓存策略[编辑 | 编辑源代码]

视图缓存[编辑 | 编辑源代码]

使用Django的缓存框架缓存整个视图： 

  
from django.views.decorators.cache import cache_page  

@cache_page(60 * 15)  # 缓存15分钟  
def my_view(request):  
    ...

模板片段缓存[编辑 | 编辑源代码]

缓存模板中的特定部分： 

  
{% load cache %}  
{% cache 500 sidebar %}  
    <!-- 复杂的侧边栏内容 -->  
{% endcache %}

低级缓存API[编辑 | 编辑源代码]

直接缓存Python对象： 

  
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

静态文件优化[编辑 | 编辑源代码]

使用WhiteNoise[编辑 | 编辑源代码]

WhiteNoise是一个轻量级的静态文件服务器中间件： 

  
# settings.py  
MIDDLEWARE = [  
    'whitenoise.middleware.WhiteNoiseMiddleware',  
    ...  
]  

STATICFILES_STORAGE = 'whitenoise.storage.CompressedManifestStaticFilesStorage'

文件压缩[编辑 | 编辑源代码]

使用Django的GZipMiddleware压缩响应： 

  
MIDDLEWARE = [  
    'django.middleware.gzip.GZipMiddleware',  
    ...  
]

查询优化[编辑 | 编辑源代码]

使用values()和values_list()[编辑 | 编辑源代码]

当只需要部分字段时，这些方法可以减少数据传输量： 

  
# 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)

批量操作[编辑 | 编辑源代码]

使用bulk_create和bulk_update减少数据库查询： 

  
Book.objects.bulk_create([  
    Book(title='Book 1'),  
    Book(title='Book 2'),  
    ...  
])

异步任务[编辑 | 编辑源代码]

使用Celery[编辑 | 编辑源代码]

将耗时任务移出请求-响应循环： 

  
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

性能监控[编辑 | 编辑源代码]

Django Debug Toolbar[编辑 | 编辑源代码]

安装配置Django Debug Toolbar来识别性能瓶颈： 

  
# settings.py  
if DEBUG:  
    INSTALLED_APPS += ['debug_toolbar']  
    MIDDLEWARE += ['debug_toolbar.middleware.DebugToolbarMiddleware']  
    INTERNAL_IPS = ['127.0.0.1']

数据库查询分析[编辑 | 编辑源代码]

使用connection.queries查看查询详情： 

  
from django.db import connection  

# 在视图或测试中  
print(connection.queries)

实际案例[编辑 | 编辑源代码]

电商网站商品列表优化[编辑 | 编辑源代码]

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select_related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values()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[编辑 | 编辑源代码]

  • [ ] 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[编辑 | 编辑源代码]

数据库分片[编辑 | 编辑源代码]

对于超大规模应用，考虑将数据分散到多个数据库：

graph LR A[应用服务器] --> B[分片1] A --> C[分片2] A --> D[分片3]

数学优化示例[编辑 | 编辑源代码]

在需要进行复杂计算时，考虑算法复杂度： O(n2)→O(nlog⁡n)

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。

检索自“https://wiki.echo.cool/index.php?title=Django性能优化指南&oldid=3530”