如何优化Django视图性能？复杂薪资计算视图加载超90秒

优先优化慢查询（见效最快） #

• 用django-debug-toolbar定位那两条耗时最长的查询，导出对应的SQL语句，检查是否存在全表扫描、嵌套子查询冗余的问题。
• 给高频过滤/关联的字段加数据库索引：比如Load表的date字段、Dispatcher的location_id、BonusCustomer的dispatcher_id和customer_id，能大幅提升查询速度。
• 把Python层面的计算逻辑尽量移到数据库端：
  • 基本工资的近2周平均周里程，用Django ORM的TruncWeek按周分组聚合，再取近2周的平均值，不要拉取所有里程数据到Python里计算。
  • 奖金的工单数量判断，用Case+When在数据库里直接完成“公司费率vs客户费率”的逻辑，一次性筛选出符合条件的工单数量，避免先拉所有工单再在Python里过滤。
• 用select_related/prefetch_related提前关联依赖表：比如查询Dispatcher时，直接关联Location获取BaseRate；查询BonusCustomer时，批量预取关联的Load数据，避免N+1查询。

重构计算逻辑，降低视图复杂度 #

• 不要把所有计算逻辑堆在视图里，抽成单独的服务类/函数（比如salary_calculator.py），视图只负责接收请求、调用计算函数、返回结果，这样代码更清晰，也方便单独测试优化。
• 把重复使用的计算逻辑（比如获取公司近2周费率、客户上周费率）封装成模型方法或自定义管理器，避免重复写查询语句。

缓存：适合非实时计算的最优解 #

• 薪资计算基于历史数据，不需要实时更新，直接用Django缓存框架缓存计算结果：
  • 单个调度员的薪资，缓存键设为dispatcher_salary_{dispatcher_id}_{today}，缓存时长设为1天（每天凌晨更新一次即可）。
  • 如果是批量计算多个调度员，缓存整个结果集或者按地区分组缓存，避免重复计算。
• 可以用Django的cache_page装饰器缓存整个视图的响应，但要注意如果不同用户看到的内容不同，需要结合用户ID或调度员ID做缓存键。

异步计算：适合批量/超复杂场景 #

• 如果经过查询优化和缓存后，单次计算还是很慢（比如批量生成所有调度员的月度薪资），可以用Celery把计算任务放到后台异步执行：
  • 视图接收请求后立即返回“计算中，请稍后查看”的提示，后台任务完成后把结果存到数据库或缓存，用户刷新页面就能看到。
  • 单个调度员的薪资计算没必要用异步，缓存足够解决问题。

是否拆分视图？没必要 #

拆分视图会增加前端请求次数和后端维护成本，反而降低效率。应该把计算逻辑从视图中剥离，而不是拆分视图本身。

内容的提问来源于stack exchange，提问作者Valeriu