백엔드 개발 파이썬 튜토리얼 해결해야 할 일반적인 Django ORM 실수

해결해야 할 일반적인 Django ORM 실수

Jan 04, 2025 am 12:49 AM

Common Django ORM Mistakes to fix

Django ORM은 django의 가장 강력한 기능 중 하나입니다. 이는 데이터베이스와의 상호 작용의 복잡성을 상당 부분 추상화하여 개발자가 원시 SQL이 아닌 Python 구문을 사용하여 데이터를 조작할 수 있게 해줍니다. 이러한 모든 ORM 함수는 주의 깊게 처리하지 않으면 병목 현상이 발생할 수 있는 SQL 쿼리를 생성합니다.
이 블로그에서는 Django ORM을 사용할 때 흔히 발생하는 실수를 강조하고 쿼리를 효율적이고 유지 관리 가능하며 성능 좋게 유지하기 위한 팁도 제공합니다.

1. N 1 쿼리 문제

N 1 쿼리 문제는 코드가 하나의 쿼리를 트리거하여 레코드 집합을 가져온 다음 N개의 추가 쿼리를 다시 실행하여 관련 데이터를 가져올 때 발생합니다.

blogs = Blog.objects.all()    # 1 Query
for blog in blogs:
    print(blog.author.name)   # N additional queries
로그인 후 복사
로그인 후 복사

위의 예에서 루프 내에서 blog.author.name에 액세스하면 Django가 각 블로그의 작성자 레코드를 개별적으로 가져오고 N개의 추가 쿼리가 발생합니다.

수정 방법
단일 관련 개체(예: ForeignKey 또는 OneToOneField)에 대해 select_관련을 사용하세요. SQL JOIN을 수행하여 하나의 쿼리에서 기본 개체와 관련 개체를 검색하기 때문입니다. 다대다, 다대일 또는 역관계의 경우 관련 데이터를 별도의 쿼리로 가져오지만 Python에서 효율적으로 결합하여 N 1 문제를 방지하는 prefetch_관련을 사용하세요.

# With select_related
blogs = Blog.objects.select_related('author').all()

# With prefetch_related
authors = Author.objects.prefetch_related('blogs').all()
로그인 후 복사
로그인 후 복사

2. .all() 및 .filter()의 남용

개발자는 종종 여러 필터를 연결하거나 .all()을 사용하고 동일한 쿼리 세트에 대해 반복 쿼리를 사용합니다.

blogs = Blog.objects.all()
active_blogs = blogs.filter(is_archived=False)
popular_blogs = blogs.filter(views__gte=1000)
로그인 후 복사
로그인 후 복사

Django는 필요할 때만 지연 평가하여 쿼리 세트를 최적화하려고 시도하지만 동일한 쿼리 세트 데이터에 대해 필터를 반복적으로 호출하면 여전히 데이터베이스에 불필요한 히트가 발생할 수 있습니다.

수정 방법
하나의 명령문에 필터를 결합하면 django가 단일 SQL 쿼리를 생성할 수 있습니다.

popular_active_blogs = Blog.objects.filter(is_archived=False, views__gte=1000)
로그인 후 복사

3. value() 또는 value_list()를 활용하지 않음

모델의 모든 필드 데이터가 아닌 특정 필드만 필요한 경우도 있습니다. 이 동안 .values() 또는 .values_list()를 사용하는 것이 더 효율적일 수 있습니다.

titles = Blog.objects.values('title')
or
titles = Blog.objects.values_list('title', flat=True)
# values() returns a list of dictionaries.
# values_list() can return tuples or flat values if flat=True is provided.
로그인 후 복사

필요한 열만 가져오면 데이터베이스에서 전송되는 데이터의 양이 줄어들어 성능이 향상됩니다.

4. 비효율적인 집계 및 주석

.aggregate() 또는 .annotate()를 반복적으로 호출하면 여러 쿼리가 발생할 수 있습니다. 여러 주석이 포함된 복잡한 쿼리는 비효율적인 SQL 쿼리로 이어질 수 있으며, 이는 과도한 데이터베이스 작업으로 이어질 수 있습니다.

# Example of multiple aggregate
total_count = Blog.objects.aggregate(Count('id'))
author_count = Blog.objects.aggregate(Count('author'))
average_views = Blog.objects.aggregate(Avg('views'))
로그인 후 복사

추천

blogs = Blog.objects.all()    # 1 Query
for blog in blogs:
    print(blog.author.name)   # N additional queries
로그인 후 복사
로그인 후 복사

5. 데이터베이스 인덱스를 사용하지 않음

인덱싱은 데이터베이스가 데이터를 신속하게 찾고 검색할 수 있도록 하여 쿼리 성능을 향상시키고 느린 전체 테이블 스캔을 방지합니다. 인덱스는 필터링, 정렬, 조인과 같은 작업을 최적화하여 자주 액세스하는 필드에 대한 쿼리를 훨씬 빠르게 만듭니다. 자주 쿼리하는 필드에 데이터베이스 인덱스가 없으면 성능이 크게 저하될 수 있습니다.
Django에서 인덱스를 추가하는 방법

# With select_related
blogs = Blog.objects.select_related('author').all()

# With prefetch_related
authors = Author.objects.prefetch_related('blogs').all()
로그인 후 복사
로그인 후 복사

색인은 읽기 속도를 높일 수 있지만 쓰기 속도를 늦출 수 있습니다. 따라서 자주 쿼리해야 하는 필드만 색인화하세요.

6. 캐싱을 사용하지 않음

계산 비용이 많이 들거나 거의 변경되지 않는 데이터를 쿼리해야 하는 경우 캐싱을 사용합니다. 5분이라도 캐싱하면 반복 쿼리, 복잡한 계산, 자주 변경되지 않는 쿼리를 줄일 수 있습니다.

blogs = Blog.objects.all()
active_blogs = blogs.filter(is_archived=False)
popular_blogs = blogs.filter(views__gte=1000)
로그인 후 복사
로그인 후 복사

7. 원시 SQL

Django ORM이 복잡한 쿼리나 대량 작업을 효율적으로 표현하지 못하는 경우가 있습니다. Django는 .extra() 또는 .raw()를 제공하지만 원시 SQL 사용은 다음과 같은 이유로 최후의 수단이 되어야 합니다.

  • ORM의 많은 이점 상실
  • 읽을 수 없거나 오류가 발생하기 쉬운 코드가 발생할 수 있습니다

입력이 적절하게 삭제되고 원시 SQL 쿼리를 유지 관리할 수 있도록 유지합니다.

이러한 팁을 적용하면 코드를 깔끔하고 유지 관리하기 쉽게 유지하면서 Django 앱의 성능을 향상할 수 있습니다. 또한 개발 환경에서 Django 디버그 툴바를 사용하여 실행된 쿼리 수, 실행 시간 및 SQL 문을 모니터링하고 분석하는 것이 좋습니다.

위 내용은 해결해야 할 일반적인 Django ORM 실수의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

<gum> : Bubble Gum Simulator Infinity- 로얄 키를 얻고 사용하는 방법
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
Nordhold : Fusion System, 설명
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
Mandragora : 마녀 트리의 속삭임 - Grappling Hook 잠금 해제 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

Python vs. C : 학습 곡선 및 사용 편의성 Python vs. C : 학습 곡선 및 사용 편의성 Apr 19, 2025 am 12:20 AM

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

파이썬과 시간 : 공부 시간을 최대한 활용 파이썬과 시간 : 공부 시간을 최대한 활용 Apr 14, 2025 am 12:02 AM

제한된 시간에 Python 학습 효율을 극대화하려면 Python의 DateTime, Time 및 Schedule 모듈을 사용할 수 있습니다. 1. DateTime 모듈은 학습 시간을 기록하고 계획하는 데 사용됩니다. 2. 시간 모듈은 학습과 휴식 시간을 설정하는 데 도움이됩니다. 3. 일정 모듈은 주간 학습 작업을 자동으로 배열합니다.

Python vs. C : 성능과 효율성 탐색 Python vs. C : 성능과 효율성 탐색 Apr 18, 2025 am 12:20 AM

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python 학습 : 2 시간의 일일 연구가 충분합니까? Python 학습 : 2 시간의 일일 연구가 충분합니까? Apr 18, 2025 am 12:22 AM

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python vs. C : 주요 차이점 이해 Python vs. C : 주요 차이점 이해 Apr 21, 2025 am 12:18 AM

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Python Standard Library의 일부는 무엇입니까? 목록 또는 배열은 무엇입니까? Python Standard Library의 일부는 무엇입니까? 목록 또는 배열은 무엇입니까? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬 : 자동화, 스크립팅 및 작업 관리 파이썬 : 자동화, 스크립팅 및 작업 관리 Apr 16, 2025 am 12:14 AM

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅을위한 파이썬 : 상세한 모양 과학 컴퓨팅을위한 파이썬 : 상세한 모양 Apr 19, 2025 am 12:15 AM

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.

See all articles