如何在Django中使用update方法对表字段哈希实现数据匿名化？

我有如下Django模型：

class PodUsage(models.Model):
    pod_id = models.CharField(max_length=256, db_index=True)
    pod_name = models.CharField(max_length=256)
    start_time = models.DateTimeField(blank=True, null=True, default=timezone.now)
    end_time = models.DateTimeField(blank=True, null=True)
    anonymised = models.BooleanField(default=False)
    user = models.ForeignKey("accounts.ServiceUser", null=True, blank=True, on_delete=models.CASCADE)

根据GDPR要求，需要在一段时间后对数据进行匿名化，我已经通过循环实现了该功能：

count = 0
records = PodUsage.objects.filter(
            anonymised=False,
            start_time__lte=timezone.now() - timedelta(weeks=settings.DATA_ANONYMISING_PERIOD_WEEKS)
            )
for record in records:
        record.pod_name = hashlib.sha256(record.pod_name.encode('utf-8')).hexdigest()
        record.user = None
        record.anonymised = True
        record.save()
        count += 1
# Log count somewhere

但我想使用update方法优化性能，尝试了如下代码：

count = PodUsage.objects.filter(
        anonymised=False,
        start_time__lte=timezone.now() - timedelta(weeks=settings.DATA_ANONYMISING_PERIOD_WEEKS)
        ).update(
            pod_name = hashlib.sha256(pod_name.encode('utf-8')).hexdigest(),
            user = None,
            anonymised = True
        )
# Log count somewhere

但无法在update中正确引用字段：

• 直接使用pod_name会提示未定义
• 对字符串"pod_name"哈希只是编码该字符串
• 使用F("pod_name").encode会报错'F' object has no attribute 'encode'

请问该如何解决？

方案1：利用数据库内置哈希函数（推荐） #

Django的update方法直接生成SQL执行，无法在Python层面处理字段值，需让数据库计算哈希。不同数据库语法不同，示例如下：

PostgreSQL #

from django.db.models import Func, F
from django.db.models.fields import CharField

class SHA256(Func):
    function = 'SHA256'
    output_field = CharField()

count = PodUsage.objects.filter(
    anonymised=False,
    start_time__lte=timezone.now() - timedelta(weeks=settings.DATA_ANONYMISING_PERIOD_WEEKS)
).update(
    pod_name=Func(SHA256(F('pod_name')), function='ENCODE', template='ENCODE(%(expressions)s, \'hex\')'),
    user=None,
    anonymised=True
)

MySQL #

from django.db.models import Func, F

class SHA256(Func):
    function = 'SHA2'
    template = '%(function)s(%(expressions)s, 256)'

count = PodUsage.objects.filter(
    anonymised=False,
    start_time__lte=timezone.now() - timedelta(weeks=settings.DATA_ANONYMISING_PERIOD_WEEKS)
).update(
    pod_name=SHA256(F('pod_name')),
    user=None,
    anonymised=True
)

此方法直接在数据库完成哈希计算，无需拉取数据到Python端，性能最优，适合大数据量场景。

方案2：用bulk_update优化循环 #

若数据库不支持对应哈希函数，或需在Python端做复杂处理，可使用bulk_update减少数据库交互次数：

import hashlib

records = list(PodUsage.objects.filter(
    anonymised=False,
    start_time__lte=timezone.now() - timedelta(weeks=settings.DATA_ANONYMISING_PERIOD_WEEKS)
))

for record in records:
    record.pod_name = hashlib.sha256(record.pod_name.encode('utf-8')).hexdigest()
    record.user = None
    record.anonymised = True

if records:
    PodUsage.objects.bulk_update(records, ['pod_name', 'user', 'anonymised'])
count = len(records)
# Log count somewhere

bulk_update将所有更新打包为少量SQL语句，比循环调用save()高效，同时保留Python端处理字段的灵活性。

内容的提问来源于stack exchange，提问作者CodeGorilla