一、为什么Django网站会变慢？
很多开发者在使用Django开发网站时，经常会遇到页面加载速度变慢的问题。尤其是当网站数据量逐渐增大后，原本流畅的页面突然变得卡顿。这种情况十有八九是因为数据库查询出现了性能瓶颈。
Django默认使用ORM（对象关系映射）来操作数据库，虽然ORM让开发变得简单，但也容易隐藏性能问题。比如最常见的N+1查询问题：当你查询一个模型及其关联模型时，ORM可能会在不知不觉中执行大量额外的查询。
举个例子，我们有个博客系统，要显示文章列表和每篇文章的评论数：
# 技术栈：Django + PostgreSQL
# 不优化的写法
articles = Article.objects.all() # 第一次查询获取所有文章
for article in articles:
# 对每篇文章单独查询评论数 - 产生N次额外查询
comment_count = article.comments.count()
这种写法会导致数据库查询次数随着文章数量线性增长，如果有100篇文章，就会产生101次查询（1次获取文章 + 100次获取评论数）。
二、优化Django查询的四大法宝
1. select_related和prefetch_related
这两个是Django ORM提供的查询优化神器。select_related用于一对一或多对一关系，通过SQL JOIN一次性获取关联数据；prefetch_related用于多对多或一对多关系，通过额外查询预加载关联数据。
# 优化后的写法
# 技术栈：Django + MySQL
from django.db.models import Count
# 使用prefetch_related和annotate优化
articles = Article.objects.all().prefetch_related('comments').annotate(
comment_count=Count('comments')
)
# 现在只需要2次查询：1次获取文章，1次获取所有评论并计数
2. 使用annotate和aggregate
Django的annotate可以在查询时添加计算字段，aggregate可以计算整个查询集的统计值，两者都能减少数据库往返次数。
# 技术栈：Django + SQLite
from django.db.models import Avg, Max, Min
# 计算图书的平均价格、最高价和最低价
stats = Book.objects.aggregate(
avg_price=Avg('price'),
max_price=Max('price'),
min_price=Min('price')
)
# 只需1次查询就能获取所有统计信息
3. 延迟加载与仅加载所需字段
有时候我们并不需要模型的所有字段，这时可以使用only()或defer()来优化。
# 技术栈：Django + PostgreSQL
# 只加载文章的标题和发布日期
articles = Article.objects.only('title', 'pub_date')
# 延迟加载文章内容（大文本字段）
articles = Article.objects.defer('content')
4. 合理使用索引
数据库索引是提高查询速度的关键。在Django中可以通过模型的Meta类或migration文件添加索引。
# 技术栈：Django + MySQL
class Article(models.Model):
title = models.CharField(max_length=200)
pub_date = models.DateTimeField()
author = models.ForeignKey(User, on_delete=models.CASCADE)
class Meta:
indexes = [
models.Index(fields=['pub_date']), # 为发布日期添加索引
models.Index(fields=['author', 'pub_date']), # 复合索引
]
三、高级优化技巧
1. 使用values()和values_list()
当只需要部分字段时，这两个方法可以避免实例化完整模型对象，节省内存和处理时间。
# 技术栈：Django + PostgreSQL
# 只需要文章ID和标题
article_titles = Article.objects.values_list('id', 'title')
# 转换为字典列表
article_dicts = Article.objects.values('id', 'title', 'author__username')
2. 批量操作
对于大量数据的创建或更新，使用bulk_create和bulk_update可以显著提高性能。
# 技术栈：Django + MySQL
# 批量创建
articles = [Article(title=f'文章{i}') for i in range(1000)]
Article.objects.bulk_create(articles) # 1次数据库操作
# 批量更新
articles = Article.objects.all()
for article in articles:
article.title = f'新{article.title}'
Article.objects.bulk_update(articles, ['title']) # 1次数据库操作
3. 使用缓存
对于不经常变化的数据，使用Django缓存框架可以避免重复查询。
# 技术栈：Django + Redis
from django.core.cache import cache
def get_popular_articles():
# 尝试从缓存获取
articles = cache.get('popular_articles')
if articles is None:
# 缓存中没有，从数据库查询
articles = Article.objects.filter(
views__gt=1000
).order_by('-views')[:10]
# 设置缓存，有效期1小时
cache.set('popular_articles', articles, 3600)
return articles
四、实战案例分析
让我们看一个电商网站商品列表页的优化案例。原始代码如下：
# 不优化的原始代码
# 技术栈：Django + PostgreSQL
def product_list(request):
products = Product.objects.all()
for product in products:
# 每次循环都查询库存和评价
product.stock = Stock.objects.filter(product=product).aggregate(
Sum('quantity')
)['quantity__sum'] or 0
product.avg_rating = Review.objects.filter(
product=product
).aggregate(Avg('rating'))['rating__avg'] or 0
return render(request, 'product_list.html', {'products': products})
优化后的版本：
# 优化后的代码
# 技术栈：Django + PostgreSQL
from django.db.models import Prefetch, Avg, Sum
def product_list(request):
# 预加载库存数据
stock_prefetch = Prefetch(
'stock_set',
queryset=Stock.objects.all(),
to_attr='stocks'
)
# 一次查询获取所有产品和相关数据
products = Product.objects.prefetch_related(
stock_prefetch,
'review_set'
).annotate(
total_stock=Sum('stock__quantity'),
avg_rating=Avg('review__rating')
)
return render(request, 'product_list.html', {'products': products})
这个优化将原本可能数百次的数据库查询减少到固定的2-3次，性能提升非常显著。
五、性能监控与调试
优化后如何验证效果？Django提供了几个有用的工具：
- Django Debug Toolbar：在开发环境中可视化所有SQL查询
- django-silk：分析生产环境中的性能瓶颈
- 数据库慢查询日志：找出执行时间过长的查询
# 配置Django Debug Toolbar
# settings.py
INSTALLED_APPS += ['debug_toolbar']
MIDDLEWARE += ['debug_toolbar.middleware.DebugToolbarMiddleware']
INTERNAL_IPS = ['127.0.0.1']
六、总结与最佳实践
经过以上分析和优化，我们可以总结出Django数据库查询优化的几个关键点：
- 始终使用select_related和prefetch_related处理关联查询
- 合理使用annotate和aggregate减少查询次数
- 只查询需要的字段，避免不必要的数据传输
- 对频繁查询但变化不大的数据使用缓存
- 为常用查询条件添加数据库索引
- 批量操作数据时使用bulk方法
- 定期监控和分析查询性能
记住，过早优化是万恶之源。正确的做法是：
- 先写出功能正确的代码
- 然后识别性能瓶颈
- 最后有针对性地优化
通过遵循这些原则，你的Django应用即使面对大量数据，也能保持流畅的用户体验。
评论