詳解Django ORM引發的資料庫N+1效能問題
背景描述
最近在使用 Django 時,發現當呼叫 api 後,在資料庫同一個程序下的事務中,出現了大量的資料庫查詢語句。調查後發現,是由於 Django ORM 的機制所引起。
Django Object-Relational Mapper(ORM)作為 Django 比較受歡迎的特性,在開發中被大量使用。我們可以通過它和資料庫進行互動,實現 DDL 和 DML 操作.
具體來說,就是使用 QuerySet 物件來檢索資料, 而 QuerySet 本質上是通過在預先定義好的 model 中的 Manager 和資料庫進行互動。
Manager 是 Django model 提供資料庫查詢的一個介面,在每個 Model 中都至少存在一個 Manager 物件。但今天要介紹的主角是 QuerySet ,它並不是關鍵。
為了更清晰的表述問題,假設在資料庫有如下的表:
device 表,表示當前網路中納管的物理裝置。
interface 表,表示物理裝置擁有的介面。
interface_extension 表,和 interface 表是一對一關係,由於 interface 屬性過多,用於儲存一些不太常用的介面屬性。
class Device(models.Model): name = models.CharField(max_length=100,unique=True) # 新增裝置時的裝置名 hostname = models.CharField(max_length=100,null=True) # 從裝置中獲取的hostname ip_address = models.CharField(max_length=100,null=True) # 裝置管理IP class Interface(models.Model): device = models.ForeignKey(Device,on_delete=models.PROTECT,null=False,related_name='interfaces')) # 屬於哪臺裝置 name = models.CharField(max_length=100) # 埠名 collect_status = models.CharField(max_length=30,default='active') class Meta: unique_together = ("device","name") # 聯合主鍵 class InterfaceExtension(models.Model): interface = models.OneToOneField( Interface,null=False,related_name='ex_info') endpoint_device_id = models.ForeignKey( # 綁定了的終端裝置 Device,db_column='endpoint_device_id',null=True,blank=True) endpoint_interface_id = models.ForeignKey( Interface,db_column='endpoint_interface_id',# 綁定了的終端裝置的介面 null=True,blank=True)
簡單說一下之間的關聯關係,一個裝置擁有多個介面,一個介面擁有一個拓展屬性。
在介面的拓展屬性中,可以繫結另一臺裝置上的介面,所以在 interface_extension 還有兩個參考外來鍵。
為了更好的分析 ORM 執行 SQL 的過程,需要將執行的 SQL 記錄下來,可以通過如下的方式:
- 在 django settings 中開啟 sql log 的日誌
- 在 MySQL 中開啟記錄 sql log 的日誌
django 中,在 settings.py
中配置如下內容,就可以在控制檯上看到 SQL 執行過程:
DEBUG = True import logging l = logging.getLogger('django.db.backends') l.setLevel(logging.DEBUG) l.addHandler(logging.StreamHandler()) LOGGING = { 'version': 1,'disable_existing_loggers': False,'filters': { 'require_debug_false': { '()': 'django.utils.log.RequireDebugFalse' } },'handlers': { 'mail_admins': { 'level': 'ERROR','filters': ['require_debug_false'],'class': 'django.utils.log.AdminEmailHandler' },'console': { 'level': 'DEBUG','class': 'logging.StreamHandler',},'loggers': { 'django.db': { 'level': 'DEBUG','handlers': ['console'],} }
或者直接在 MySQL 中配置:
# 檢視記錄 SQL 的功能是否開啟,預設是關閉的: SHOW VARIABLES LIKE "general_log%"; # 將記錄功能開啟,具體的 log 路徑會通過上面的命令顯示出來。 SET GLOBAL general_log = 'ON';
QuerySet
假如要通過 QuerySet 來查詢,所有介面的所屬裝置的名稱:
interfaces = Interface.objects.filter()[:5] # hit once database for interface in interfaces: print('interface_name: ',interface.name,'device_name: ',interface.device.name) # hit database again
上面第一句取前 5 條 interface 記錄,對應的 raw sql 就是 select * from interface limit 5;
沒有任何問題。
但下面取介面所屬的裝置名時,就會出現反覆呼叫資料庫情況:當遍歷到一個介面,就會通過獲取的 device_id 去資料庫查詢 device_name. 對應的 raw sql 類似於:select name from device where id = {}
.
也就是說,假如有 10 萬個介面,就會執行 10 萬次查詢,效能的消耗可想而知。算上之前查詢所有介面的一次查詢,合稱為 N + 1 次查詢問題。
解決方式也很簡單,如果使用原生 SQL,通常有兩種解決方式:
- 在第一次查詢介面時,使用 join,將 interface 和 device 關聯起來。這樣僅會執行一次資料庫呼叫。
- 或者在查詢介面後,通過程式碼邏輯,將所需要的 device_id 以集合的形式收集起來,然後通過 in 語句來查詢。類似於
SELECT name FROM device WHERE id in (....)
. 這樣做僅會執行兩次 SQL。
具體選擇哪種,就要結合具體的場景,比如有無索引,表的大小具體分析了。
回到 QuerySet,那麼如何讓 QuerySet 解決這個問題呢,同樣也有兩種解決方法,使用 QuerySet 中提供的 select_related()
或者 prefetch_related()
方法。
select_related
在呼叫 select_related()
方法時,Queryset 會將所屬 Model 的外來鍵關係,一起查詢。相當於 raw sql 中的 join
. 一次將所有資料同時查詢出來。select_related()
主要的應用場景是:某個 model 中關聯了外來鍵(多對一),或者有 1 對 1 的關聯關係情況。
還拿上面的查詢介面的裝置名稱舉例的話:
interfaces = Interface.objects.select_related('device').filter()[:5] # hit once database for interface in interfaces: print('interface_name: ',interface.device.name) # don't need to hit database again
上面的查詢 SQL 就類似於:SELECT xx FROMinterface INNER JOIN device ON interface.device_id = device.id limit5
,注意這裡是 inner join 是因為是非空外來鍵。
select_related()
還支援一個 model 中關聯了多個外來鍵的情況:如拓展介面,查詢繫結的裝置名稱和介面名稱:
ex_interfaces = InterfaceExtension.objects.select_related( 'endpoint_device_id','endpoint_interface_id').filter()[:5] # or ex_interfaces = InterfaceExtension.objects.select_related( 'endpoint_device_id').select_related('endpoint_interface_id').filter()[:5]
上面的 SQL 類似於:
SELECT XXX FROM interface_extension LEFT OUTER JOIN device ON (interface_extension.endpoint_device_id=device.id) LEFT OUTER JOIN interface ON (interface_extension.endpoint_interface_id=interface.id) LIMIT 5
這裡由於是可空外來鍵,所以是 left join.
如果想要清空 QuerySet 的外來鍵關係,可以通過:queryset.select_related(None)
來清空。
prefetch_related
prefetch_related 和 select_related 一樣都是為了避免大量查詢關係時的資料庫呼叫。只不過為了避免多表 join 後產生的巨大結果集以及效率問題, 所以 select_related 比較偏向於外來鍵(多對一)和一對一的關係。
而 prefetch_related 的實現方式則類似於之前 raw sql 的第二種,分開查詢之間的關係,然後通過 python 程式碼,將其組合在一起。所以 prefetch_related 可以很好的支援一對多或者多對多的關係。
還是拿查詢所有介面的裝置名稱舉例:
interfaces = Interface.objects.prefetch_related('device').filter()[:5] # hit twice database for interface in interfaces: print('interface_name: ',interface.device.name) # don't need to hit database again
換成 prefetch_related 後,sql 的執行邏輯變成這樣:
- "SELECT * FROM interface "
- "SELECT * FROM device where device_id in (.....)"
- 然後通過 python 程式碼將之間的關係組合起來。
如果查詢所有裝置具有哪些介面也是一樣:
devices = Device.objects.prefetch_related('interfaces').filter()[:5] # hit twice database for device in devices: print('device_name: ',device.name,'interface_list: ',device.interfaces.all())
執行邏輯也是:
- "SELECT * FROM device"
- "SELECT * FROM interface where device_id in (.....)"
- 然後通過 python 程式碼將之間的關係組合起來。
如果換成多對多的關係,在第二步會變為 join 後在 in,具體可以直接嘗試。
但有一點需要注意,當使用的 QuerySet 有新的邏輯查詢時, prefetch_related 的結果不會生效,還是會去查詢資料庫:
如在查詢所有裝置具有哪些介面上,增加一個條件,介面的狀態是 up 的介面
devices = Device.objects.prefetch_related('interfaces').filter()[:5] # hit twice database for device in devices: print('device_name: ','interfaces:',device.interfaces.filter(collect_status='active')) # hit dababase repeatly
執行邏輯變成:
- "SELECT * FROM device"
- "SELECT * FROM interface where device_id in (.....)"
- 一直重複 device 的數量次: "SELECT * FROM interface where device_id = xx and collect_status='up';"
- 最後通過 python 組合到一起。
原因在於:之前的 prefetch_related 查詢,並不包含判斷 collect_status 的狀態。所以對於 QuerySet 來說,這是一個新的查詢。所以會重新執行。
可以利用 Prefetch 物件 進一步控制並解決上面的問題:
devices = Device.objects.prefetch_related( Prefetch('interfaces',queryset=Interface.objects.filter(collect_status='active')) ).filter()[:5] # hit twice database for device in devices: print('device_name: ',device.interfaces)
執行邏輯變成:
- "SELECT * FROM device"
- "SELECT * FROM interface where device_id in (.....) and collect_status = 'up';"
- 最後通過 python 組合到一起。
可以通過 Prefetch 物件的 to_attr
,來改變之間關聯關係的名稱:
devices = Device.objects.prefetch_related( Prefetch('interfaces',queryset=Interface.objects.filter(collect_status='active'),to_attr='actived_interfaces') ).filter()[:5] # hit twice database for device in devices: print('device_name: ',device.actived_interfaces)
可以看到通過 Prefetch,可以實現控制關聯那些有關係的物件。
最後,對於一些關聯結構較為複雜的情況,可以將 prefetch_related 和 select_related 組合到一起,從而控制查詢資料庫的邏輯。
比如,想要查詢全部介面的資訊,及其裝置名稱,以及拓展介面中綁定了對端裝置和介面的資訊。
queryset = Interface.objects.select_related('ex_info').prefetch_related( 'ex_info__endpoint_device_id','ex_info__endpoint_interface_id')
執行邏輯如下:
SELECT XXX FROM interface LEFT OUTER JOIN interface_extension ON (interface.id=interface_extension .interface_id)
SELECT XXX FROM device where id in ()
SELECT XXX FROM interface where id in ()
- 最後通過 python 組合到一起。
第一步,由於 interface 和 interface_extension 是 1 對 1 的關係,所以使用 select_related 將其關聯起來。
第二三步:雖然 interface_extension 和 endpoint_device_id 和 endpoint_interface_id 是外來鍵關係,如果繼續使用 select_related 則會進行 4 張表連續 join,將其換成 select_related,對於 interface_extension 外來鍵關聯的屬性使用 in 查詢,因為interface_extension 表的屬性並不是經常使用的。
總結
在這篇文章中,介紹了 Django N +1 問題產生的原因,解決的方法就是通過呼叫 QuerySet 的 select_related 或 prefetch_related 方法。
對於 select_related 來說,應用場景主要在外來鍵和一對一的關係中。對應到原生的 SQL 類似於 JOIN 操作。
對於 prefetch_related 來說,應用場景主要在多對一和多對多的關係中。對應到原生的 SQL 類似於 IN 操作。
通過 Prefetch 物件,可以控制 select_related 和 prefetch_related 和那些有關係的物件做關聯。
最後,在每個 QuerySet 可以通過組合 select_related 和 prefetch_related 的方式,更改查詢資料庫的邏輯。
參考
https://docs.djangoproject.com/en/3.1/ref/models/querysets/]
(https://docs.djangoproject.com/en/3.1/ref/models/querysets/)
https://medium.com/better-programming/django-select-related-and-prefetch-related-f23043fd635d
https://stackoverflow.com/questions/39669553/django-rest-framework-setting-up-prefetching-for-nested-serializers
[https://medium.com/@michael_england/debugging-query-performance-issues-when-using-the-django-orm-f05f83041c5f
到此這篇關於詳解Django ORM引發的資料庫N+1效能問題的文章就介紹到這了,更多相關Django ORM 資料庫N+1效能內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!