如何在Django中更快速地统计PostgreSQL库中模型对象的数量？

1. 新增联合索引（最根本的优化手段） #

你当前的查询慢核心原因是没有针对user_id和create_date两个过滤字段建立联合索引，导致查询时需要扫描全表700万行数据。
在你的Prospect模型中增加联合索引配置：

from django.db import models

class Prospect(models.Model):
    user = models.ForeignKey(User, on_delete=models.CASCADE)
    create_date = models.DateTimeField(auto_now_add=True)
    # 其他字段...

    class Meta:
        indexes = [
            models.Index(fields=['user_id', 'create_date']),
        ]

执行makemigrations和migrate后，该索引会在数据库层面生效，PostgreSQL可以直接通过索引定位到符合条件的记录，不需要扫描全表，查询耗时通常可以降到毫秒级。

2. 优化查询写法（避免不必要的性能损耗） #

你当前的查询写法逻辑是正确的，但可以做两处小优化：

• 优先用Django带时区的时间方法，避免时区不匹配导致的索引失效：

from django.utils import timezone

date_example = timezone.now() - timezone.timedelta(days=1)
count_total_today_prospects = Prospect.objects.filter(
    user_id='user_id_example', 
    create_date__gte=date_example
).count()

• 可以打印生成的SQL确认没有多余关联查询：print(Prospect.objects.filter(user_id='user_id_example', create_date__gte=date_example).query)，如果出现不必要的JOIN，可以用.values('id')提前限定字段避免关联。

3. 高频查询场景补充优化 #

如果这个查询的调用频率很高，可以叠加以下优化：

• 增加缓存：用Redis等缓存组件存储每个用户的24小时创建数，缓存有效期根据业务对数据实时性的要求设置为1-5分钟，大幅降低数据库访问压力。
• 增加冗余计数字段：在User模型中新增daily_prospect_count整数字段，每创建一条Prospect记录时用F("daily_prospect_count") + 1原子更新该字段，每日零点定时重置所有用户的计数，查询时直接读取该字段即可，完全不需要访问大表。

内容的提问来源于stack exchange，提问作者RobZ