使用Item外键关联SaleItem性能过慢，寻求优化方案

Item 模型 #

class Item(models.Model):
    title = models.CharField(max_length=100)
    model = models.CharField(max_length=100, blank=True, null=True)
    sku = models.CharField(max_length=100, blank=True, null=True)
    ean = models.CharField(max_length=100, blank=True, null=True)
    price = models.FloatField(blank=True, null=True)
    inventory = models.IntegerField(blank=True, null=True)
    sales_price = models.DecimalField(decimal_places=2, max_digits=15, blank=True, null=True)
    web_shop_price = models.DecimalField(decimal_places=2, max_digits=15, blank=True, null=True)
    bb_price = models.DecimalField(decimal_places=2, max_digits=15, blank=True, null=True)
    discount_price = models.FloatField(blank=True, null=True)
    categorie = models.ForeignKey(Categorie, on_delete=models.CASCADE, null=True, blank=True)
    # slug = models.SlugField(blank=True, null=True)
    description = models.TextField(blank=True, null=True)
    image = models.ImageField(upload_to='images', null=True, blank=True)

SaleItem 模型 #

class SaleItem(models.Model):
 
    invoice_id = models.PositiveIntegerField(auto_created=True)
    product = models.ForeignKey(Item, on_delete=models.CASCADE)

当前数据库中已存有15000+条Item数据，在通过SaleItem的外键关联查询或操作时，耗时极长，性能严重下降。使用的是JawsDB 10美元套餐的MySQL数据库，推测除数据量因素外，数据库内存共享也可能是诱因。

• 索引优化：外键字段默认会创建索引，但需确认SaleItem.product的索引是否正常生效。另外，若业务查询常使用Item的特定字段（如sku、title）进行关联或过滤，可为这些字段添加索引：

  # 在Item模型的Meta类中添加索引
  class Item(models.Model):
      # 原有字段...
      class Meta:
          indexes = [
              models.Index(fields=['sku']),
              models.Index(fields=['title']),
          ]
  

  执行迁移后，MySQL会生成对应索引，直接加速关联查询效率。

• 避免无效查询：检查业务中涉及SaleItem与Item的查询逻辑，杜绝全表扫描：

  • 避免使用__contains这类无法命中索引的模糊查询，改用__startswith；
  • 不要默认查询所有字段，用only()或values()指定所需字段，减少数据传输量：

    # 示例：仅加载必要字段，跳过description、image等大字段
    SaleItem.objects.select_related('product').only('invoice_id', 'product__title', 'product__sku')
    

• 数据库配置调整：针对JawsDB的共享内存限制，可尝试：

  • 联系服务商调整join_buffer_size和sort_buffer_size参数，提升关联查询的内存分配；
  • 定期归档历史SaleItem数据，减少单表数据体量。

• 批量操作替代循环单条操作：如果存在批量创建/更新SaleItem的场景，使用Django的bulk_create()和bulk_update()方法，减少数据库交互次数：

  # 批量创建SaleItem示例
  sale_items = [
      SaleItem(invoice_id=1, product=item1),
      SaleItem(invoice_id=1, product=item2),
      # 更多对象
  ]
  SaleItem.objects.bulk_create(sale_items)
  

• 用select_related解决N+1查询：查询SaleItem时，通过select_related()提前加载关联的Item数据，避免多次数据库请求：

  # 一次查询获取SaleItem及关联的Item数据
  sale_items = SaleItem.objects.select_related('product').all()
  

内容的提问来源于stack exchange，提问作者Sesshōmaru