高性能 Web 开发：减少数据库往返

Send_linux

背景
Web程序的后端主要有两个东西：渲染（生成HTML，或数据序列化）和IO（数据库操作，或内部服务调用）。今天要讲的是后面那个，关注一下如何减少数据库往返这个问题。最快的查询是不存在的，没有最快，只有更快！
开始讲之前我得提一下Schema的重要性，但不会在这花太多时间。单独一个因素不会影响程序的整体响应速度，有调数据的能力，比有一个好的数据（库）Schema要强得多。这些东西以后会细讲，但Schema问题常会限制你的选择，所以现在提一下。

我也会提一下缓存。在理想情况下，我要讨论的东西能有效减少返回不能缓存或缓存丢失的数据的时间，但跟通过优化查询减少数据库往返次数一样，避免将全部东西扔进缓存里是个极大的进步。
最后得提一下的是，文中我用的是Python(Django)，但原理在其他语言或ORM框架里也适用。我以前搞过Java(Hibernate)，不太顺手，后来搞Perl(DBIX::Class)、Ruby(Rails)以及其他几种东西去了。


N+1 Selects问题
关于数据库往返最常见又让人吃惊的问题是n+1 selects问题。这个问题最简单的形式包括一个有子对象的实体，和一对多的关系。下面是一个小例子。
     
from django.db import models
class State(models.Model):
    name = models.CharField(max_length=64)
    country = models.ForeignKey(Country, related_name='states')
    class Meta:
        ordering = ('name',)
class City(models.Model):
    name = models.CharField(max_length=64)
    state = models.ForeignKey(State, related_name='cities')
    class Meta:
        ordering = ('name',)
            
上面定义了州跟市，一个州有0或多个市，这个例子程序用来打印一个州跟市的内联列表。
        
Alaska
    Anchorage
    Fairbanks
    Willow
California
    Berkeley
    Monterey
    Palo Alto
    San Diego
    San Francisco
    Santa Cruz
Kentucky
    Albany
    Monticello
    Lexington
    Louisville
    Somerset
    Stamping Ground
            
要完成这个功能的代码如下：

from django.shortcuts import render_to_response
from django.template.context import RequestContext
from locations.models import State
def list_locations(request):
    data = {'states': State.objects.all()}
    return render_to_response('list_locations.html', data,
                              RequestContext(request))

...
{% for state in states %}
{{ state.name }}
   
        {% for city in state.cities.all %}
        {{ city.name }}
        {% endfor %}
   
{% endfor %}
...


如果将上面的代码跑起来，生成相应的HTML，通过django-debug-toolbar就会看到有一个用于列出全部的州查询，然后对应每个州有一个查询，用于列出这个州下面的市。如果只有3个州，这不是很多，但如果是50个，“+1”部分还是一个查询，为了得到全部对应的市，“N"则变成了50。


2N+1 (不，这不算个事)
在开始搞这个N+1问题之前，我要给每个州加一个属性，就是它所属的国家。这就引入另一个一对多关系。每个州只能属于一个国家。
   
Alaska (United States)
...

...
class Country(models.Model):
    name = models.CharField(max_length=64)
class State(models.Model):
    name = models.CharField(max_length=64)
    country = models.ForeignKey(Country, related_name='states')
...
   
...
{{ state.name }} ({{ state.country.name }})
...


在django-debug-toolbar的SQL窗口里，能看到现在处理每个州时都得查询一下它所属的国家。注意，这里只能不停的检索同一个州，因为这些州都是同一个国家的。
            

现在就有两个有趣的问题了，这是每个Django ORM方案都要面对的问题。


select_related
   
states = State.objects.select_related('country').all()
      
select_related通过在查询主要对象（这里是州state）和其他对象（这里是国家country）之间的SQL做手脚起作用。这样就可以省去为每个州都查一次国家。假如一次数据库往返（网络中转->运行->返回）用时20ms，加起来的话共有N*20ms。如果N足够大，这样做挺费时的。
下面是新的检索州的查询：
   
SELECT ... FROM "locations_state"
    INNER JOIN "locations_country" ON
        ("locations_state"."country_id" = "locations_country"."id")
    ORDER BY "locations_state"."name" ASC
...
            
用上面这个查询取代旧的，能省去用来找国家的二级查询。然而，这种解决有一个潜在的缺点，即反复的返回同一个国家对象，从而不得不一次又一次的将这一行传给ORM代码，生成大量重复的对象。等下我们还会再说说这个。


在继续往下之前得说一下，在Django ORM中，如果关系中的一方有多个对象，select_related是没用的。它能用来为一个州抓取对应的国家，但如果调用时添上“市”，它什么都不干。其他ORM框架（如Hibernate）没有这种限制，但要用类似功能时得特别小心，这类框架会在join的时候为二级对象重复生成一级对象，然后很快就会失控，ORM滞在那里不停的处理大量的数据或结果行。
综上所述，select_related的最好是在取单独一个对象、同时又想抓取到关联的（一个）对象时用。这样只有一次数据库往返，不会引入大量重复数据，这在Django ORM只有一对一关系时都适用。


prefetch_related
     
states = State.objects.prefetch_related('country', 'cities').all()


相反地， prefetch_related的功能是收集关联对象的全部id值，一次性批量获取到它们，然后透明的附到相应的对象。这种方式最好的一个地方是能用在一对多关系中，比如本例中的州跟市。


下面是这种方式生成的SQL：
      
SELECT ... FROM "locations_state" ORDER BY "locations_state"."name" ASC
SELECT ... FROM "locations_country" WHERE "locations_country"."id" IN (1)
SELECT ... FROM "locations_city"
    WHERE "locations_city"."state_id" IN (1, 2, 3)
    ORDER BY "locations_city"."name" ASC


这样2N+1就变成3了。把N扔掉是个大进步。3 * 20ms总是会比(2 * 50 + 1) * 20ms 小，甚至比用select_related时的 (50 + 1) * 20ms也小。


上面这个例子对国家跟市都采用了prefetch。前面说过这里的州都属同一国家，用select_related获得州记录时，这意味着要取到并处理这一国家记录N次。相反，用prefetch_related只要取一次。而这样会引入一次额外的数据库往返，有没有可能综合两种方式，你得在你的机器及数据上试试。然而，在本例中同时用select_related 和 prefetch_related可以将时间降到2 * 20ms，这可能会比分3次查询要快，但也有很多潜在因素要考虑。
     
states = State.objects.select_related('country') \
    .prefetch_related('cities').all()
   



能支持多深的关系？


要跨多个级别时怎么办？select_related 和prefetch_related都可以通过双下划线遍历关系对象。用这个功能时，中间对象也会包括在内。这很有用，但在更复杂的对象模型中有点难用。
     
# only works when there's a single object at each step
city = City.objects.select_related('state__country').all()[0]
# 1 query, no further db queries
print('{0} - {1} - {2}'.format(city.name, city.state.name,
                               city.state.country.name)
# works for both single and multiple object relationships
countries = Country.objects.prefetch_related('states__cities')
# 3 queries, no further db queries
for country in countries:
    for state in country.states:
        for city in state.cities:
            print('{0} - {1} - {2}'.format(city.name, city.state.name,
                                           city.state.country.name)


prefetch_related用在原生查询


最后一点。上周的 efficiently querying for nearby things一文中，为了实现查找最近的经度/纬度点，我写了一条复杂的SQL。其实最好的方法是写一条原生的sql查询。而原生查询不支持prefetch_related，挺可惜的。但有一个变通的方法，即可以直接用Django实现prefetch_related功能的prefetch_related_objects。

from django.db.models.query import prefetch_related_objects
# prefetch_related_objects requires a list, it won't work on a QuerySet so
# we need to convert with list()
cities = list(City.objects.raw(''))
prefetch_related_objects(cities, ('state__country',))
# 3 queries, no further db queries
for city in cities:
    print('{0} - {1} - {2}'.format(city.name, city.state.name,
                                   city.state.country.name)
            
            这多牛呀！

英文原文：High Performance Web: Reducing Database Round Trips


本文来自ChinaUnix新闻频道，如果查看原文请点：http://news.chinaunix.net/opensource/2013/0619/2814048.shtml

pitonas

减少数据库往返这个..
这个极大的牛呀！