如何在Django请求间高效共享大型不可变Python对象？

针对你需要在Django里共享35M左右的只读字典、不想用pickle和Redis、只靠重启更新的需求，最贴合Django风格且性能最优的方式是把对象加载到模块级全局变量中，具体实现和注意事项如下：

核心思路 #

模块级变量会在Django进程启动时加载一次，之后所有请求的线程都能直接读取，完全绕开序列化/反序列化的开销，也不需要额外依赖组件，完全符合你的需求。而且因为对象是不可变的，天然线程安全，不用担心并发问题。

具体实现步骤 #

1. 在你的Django应用下新建一个专门的模块，比如data_store.py，用来存放加载逻辑：

# myapp/data_store.py
import json
from django.conf import settings

# 全局变量，仅在模块加载时初始化一次
LARGE_DATA = None

def load_large_data():
    global LARGE_DATA
    if LARGE_DATA is None:
        # 用Django配置的路径定位数据文件，避免硬编码
        data_path = settings.BASE_DIR / "data" / "large_dictionary.json"
        with open(data_path, 'r', encoding='utf-8') as f:
            LARGE_DATA = json.load(f)

# 模块加载时自动执行数据加载
load_large_data()

2. 在视图、表单或其他需要用数据的地方直接导入使用：

# myapp/views.py
from django.http import JsonResponse
from .data_store import LARGE_DATA

def query_data(request):
    key = request.GET.get('key')
    value = LARGE_DATA.get(key, '不存在该键')
    return JsonResponse({'key': key, 'value': value})

关键注意事项 #

• 多进程部署的内存占用：如果用Gunicorn这类多进程服务器，每个worker进程都会单独加载一份35M的数据到内存，所以要根据服务器内存情况调整worker数量，避免内存溢出。
• 更新数据流程：直接替换磁盘上的数据文件，然后重启所有Django worker进程即可完成更新，完全符合你“愿意重启更新”的前提。
• 数据加载时机：模块级代码会在Django启动时执行，确保请求到来前数据已经加载完成，不会出现请求时才加载导致的延迟。

对比其他方案的优势 #

• 比Django内存缓存更高效：不需要把对象pickle序列化，也不存在每次请求反序列化的性能损耗，直接内存读写速度最快。
• 比第三方缓存后端更可靠：不用依赖像django-lrucache-backend这类久未维护的库，减少潜在的兼容性问题。
• 比Redis更省心：不需要额外部署和维护Redis服务，减少运维复杂度，也避免了网络IO的开销。

内容的提问来源于stack exchange，提问作者dfrankow