Производительность и оптимизация¶

Для чего вы оптимизируете?¶

Важно иметь четкое представление о том, что вы подразумеваете под «производительностью». Не существует только одной метрики этого понятия.

Улучшение скорости может быть наиболее очевидной целью для программы, но иногда можно искать и другие улучшения производительности, такие как меньшее потребление памяти или меньшие требования к базе данных или сети.

Улучшения в одной области часто приводят к повышению производительности в другой, но не всегда; иногда одно может быть даже за счет другого. Например, улучшение скорости работы программы может привести к увеличению объема памяти. Хуже того, это может привести к саморазрушению - если улучшение скорости настолько требовательно к памяти, что система начинает ее не хватать, вы принесете больше вреда, чем пользы.

Есть и другие компромиссы, о которых следует помнить. Ваше собственное время - ценный ресурс, более ценный, чем время процессора. Некоторые улучшения могут оказаться слишком сложными, чтобы их стоило реализовывать, или могут повлиять на переносимость или сопровождаемость кода. Не все улучшения производительности стоят затраченных усилий.

Итак, вам нужно знать, к какому улучшению производительности вы стремитесь, а также знать, что у вас есть веские причины для того, чтобы стремиться в этом направлении - и для этого вам нужно:

Сравнительный анализ эффективности¶

Не стоит просто гадать или предполагать, где в вашем коде кроется неэффективность.

Все делать правильно с самого начала¶

Некоторые работы по оптимизации связаны с устранением недостатков производительности, но некоторые из них могут быть просто встроены в то, что вы делаете в любом случае, как часть передового опыта, который вы должны внедрить еще до того, как начнете думать о повышении производительности.

В этом отношении Python является отличным языком для работы, потому что решения, которые выглядят элегантно и ощущаются правильно, обычно являются наиболее эффективными. Как и в случае с большинством навыков, изучение того, что «выглядит правильно», требует практики, но одно из наиболее полезных руководств таково:

# QuerySet operation on the database
# fast, because that's what databases are good at
my_bicycles.count()

# counting Python objects
# slower, because it requires a database query anyway, and processing
# of the Python objects
len(my_bicycles)

# Django template filter
# slower still, because it will have to count them in Python anyway,
# and because of template language overheads
{{ my_bicycles|length }}

The caching framework¶

Django caching framework предлагает очень значительные возможности для повышения производительности, сохраняя динамическое содержимое так, что его не нужно вычислять для каждого запроса.

Для удобства Django предлагает различные уровни детализации кэша: вы можете кэшировать вывод конкретных представлений, или только те части, которые трудно производить, или даже весь сайт.

Реализация кэширования не должна рассматриваться как альтернатива улучшению кода, который работает плохо, потому что был плохо написан. Это один из последних шагов на пути к созданию хорошо работающего кода, а не короткий путь.

cached_property¶

Часто бывает, что метод экземпляра класса приходится вызывать более одного раза. Если эта функция дорогая, то это может быть расточительно.

Использование декоратора cached_property сохраняет значение, возвращаемое свойством; при следующем вызове функции на этом экземпляре она вернет сохраненное значение, а не будет вычислять его заново. Обратите внимание, что это работает только для методов, которые принимают self в качестве единственного аргумента, и что это меняет метод на свойство.

Некоторые компоненты Django также имеют свои собственные функции кэширования; они обсуждаются ниже в разделах, связанных с этими компонентами.

Лень в Django¶

Django сам по себе довольно ленив. Хороший пример этого можно найти в оценке QuerySets. QuerySets are lazy. Таким образом, объект QuerySet можно создавать, передавать и комбинировать с другими QuerySets, не совершая никаких обращений к базе данных для получения элементов, которые он описывает. Передается только объект QuerySet, а не коллекция элементов, которые - в конечном итоге - потребуются из базы данных.

С другой стороны, certain operations will force the evaluation of a QuerySet. Избегая преждевременной оценки QuerySet, можно избежать дорогостоящего и ненужного обращения к базе данных.

Django также предлагает декоратор keep_lazy(). Это позволяет функции, которая была вызвана с ленивым аргументом, вести себя лениво, оценивая его только тогда, когда это необходимо. Таким образом, ленивый аргумент - который может быть дорогим - не будет вызываться для оценки до тех пор, пока это не будет строго необходимо.

Оптимизация базы данных¶

Уровень баз данных Django предоставляет различные способы помочь разработчикам добиться максимальной производительности от своих баз данных. В database optimization documentation собраны ссылки на соответствующую документацию и добавлены различные советы, которые описывают шаги, которые необходимо предпринять при попытке оптимизировать использование базы данных.

Другие советы, связанные с базами данных¶

Включение Постоянные соединения может ускорить соединения с базой данных, на которую приходится значительная часть времени обработки запроса.

Это очень помогает, например, на виртуализированных хостах с ограниченной производительностью сети.

Middleware¶

Django поставляется с несколькими полезными элементами middleware, которые могут помочь оптимизировать производительность вашего сайта. К ним относятся:

Сессии¶

Статические файлы¶

Статические файлы, которые по определению не являются динамическими, представляют собой отличную цель для оптимизации.

Кэшированный загрузчик шаблонов¶

Включение cached template loader часто значительно повышает производительность, поскольку позволяет избежать компиляции каждого шаблона каждый раз, когда его необходимо отобразить.

Новое часто - но не всегда - лучше¶

Довольно редко новая версия хорошо поддерживаемого программного обеспечения оказывается менее эффективной, но разработчики не могут предугадать все возможные случаи использования, поэтому, зная, что новые версии, скорее всего, будут работать лучше, не стоит просто полагать, что так будет всегда.

Это относится и к самому Django. В последующих выпусках был предложен ряд улучшений во всей системе, но вы все равно должны проверить реальную производительность вашего приложения, потому что в некоторых случаях вы можете обнаружить, что изменения означают, что оно работает хуже, а не лучше.

Новые версии Python, а также пакеты Python часто работают лучше - но измеряйте, а не предполагайте.

Альтернативы языку шаблонов Django¶

Почти для всех случаев встроенный язык шаблонов Django вполне адекватен. Однако, если узкие места в вашем Django-проекте кроются в системе шаблонов, и вы исчерпали другие возможности исправить ситуацию, альтернатива от сторонних разработчиков может стать решением.

Jinja2 может предложить улучшение производительности, особенно когда речь идет о скорости.

Альтернативные системы шаблонов различаются по степени использования языка шаблонов Django.

Альтернативные программные реализации¶

Возможно, стоит проверить, не предоставлена ли используемая вами программа Python в другой реализации, которая может выполнять тот же код быстрее.

Однако: большинство проблем с производительностью хорошо написанных Django-сайтов возникают не на уровне выполнения Python, а скорее в неэффективных запросах к базе данных, кэшировании и шаблонах. Если вы полагаетесь на плохо написанный код Python, ваши проблемы с производительностью вряд ли будут решены за счет его более быстрого выполнения.

Использование альтернативной реализации может привести к проблемам совместимости, развертывания, переносимости или обслуживания. Разумеется, прежде чем использовать нестандартную реализацию, необходимо убедиться, что она обеспечивает достаточный прирост производительности для вашего приложения, чтобы перевесить потенциальные риски.

Учитывая эти предостережения, вы должны быть в курсе: