Для чего вы оптимизируете для?¶

Важно иметь четкое представление о том, что вы подразумеваете под «производительностью». Для этого существует не один показатель.

Повышение скорости может быть наиболее очевидной целью программы, но иногда могут потребоваться другие улучшения производительности, такие как снижение потребления памяти или меньшие требования к базе данных или сети.

Улучшения в одной области часто приводят к улучшению производительности в другой, но не всегда; иногда одно может быть даже за счет другого. Например, повышение скорости программы может привести к тому, что она будет использовать больше памяти. Хуже того, это может оказаться обреченным на провал: если повышение скорости настолько требует памяти, что системе начинает не хватать памяти, вы принесете больше вреда, чем пользы.

Следует иметь в виду и другие компромиссы. 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 удобство сопровождения кода. Не все улучшения производительности стоят затраченных усилий.

Итак, вам нужно знать, к какому повышению производительности вы стремитесь, а также знать, что у вас есть веская причина стремиться в этом направлении, а для этого вам нужно:

Сравнительный анализ производительности¶

Бесполезно просто гадать или предполагать, в чем заключается неэффективность вашего кода.

Сделайте все правильно с самого начала¶

Некоторая работа по оптимизации включает в себя устранение недостатков производительности, но часть работы может быть встроена в то, что вы все равно будете делать, как часть передового опыта, который вам следует принять еще до того, как вы начнете думать об улучшении производительности.

В этом отношении Python — отличный язык для работы, поскольку решения, которые выглядят элегантно и кажутся правильными, обычно являются наиболее эффективными. Как и в случае с большинством навыков, изучение того, что «выглядит правильно», требует практики, но одно из наиболее полезных правил 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 }}

Среда кэширования¶

Среда кэширования Django предлагает очень значительные возможности для повышения производительности за счет сохранения динамического контента, поэтому его не нужно вычислять для каждого запроса.

Для удобства Django предлагает различные уровни детализации кэша: вы можете кэшировать выходные данные определенных представлений или только те части, которые сложно создать, или даже весь сайт.

Внедрение кэширования не следует рассматривать как альтернативу улучшению кода, который работает плохо из-за того, что он плохо написан. Это один из последних шагов на пути к созданию хорошо работающего кода, а не ярлык.

cached_property¶

Обычно приходится вызывать метод экземпляра класса более одного раза. Если эта функция дорогая, то ее использование может оказаться расточительным.

Использование декоратора cached_property сохраняет значение, возвращаемое свойством; в следующий раз, когда функция будет вызвана в этом экземпляре, она вернет сохраненное значение, а не будет пересчитывать его. Обратите внимание, что это работает только с методами, которые принимают «self» в качестве единственного аргумента, и что это заменяет метод на свойство.

Некоторые компоненты Django также имеют собственные функции кэширования; они обсуждаются ниже в разделах, посвященных этим компонентам.

Лень в Джанго¶

Джанго сам по себе довольно ленив. Хороший пример этого можно найти в оценке QuerySets. Наборы запросов ленивы. Таким образом, QuerySet может быть создан, передан и объединен с другими QuerySets, без каких-либо обращений к базе данных для получения описываемых ею элементов. Передается объект QuerySet, а не набор элементов, которые в конечном итоге потребуются из базы данных.

С другой стороны, определенные операции приведут к принудительной оценке QuerySet. Избегая преждевременной оценки QuerySet, можно избежать дорогостоящего и ненужного обращения к базе данных.

Django также предлагает декоратор keep_lazy(). Это позволяет функции, вызванной с ленивым аргументом, вести себя лениво, вычисляясь только тогда, когда это необходимо. Таким образом, ленивый аргумент, который может быть дорогостоящим, не будет использоваться для оценки до тех пор, пока он не будет строго необходим.

Оптимизация базы данных¶

Уровень базы данных Django предоставляет различные способы помочь разработчикам добиться максимальной производительности своих баз данных. В документации по оптимизации базы данных собраны ссылки на соответствующую документацию и добавлены различные советы, описывающие шаги, которые необходимо предпринять при попытке оптимизировать использование базы данных.

Другие советы, связанные с базами данных¶

Включение Постоянные соединения с базой данных может ускорить соединения с учетными записями базы данных на значительную часть времени обработки запроса.

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

Промежуточный слой (Middleware)¶

Django поставляется с несколькими полезными компонентами промежуточного программного обеспечения, которые могут помочь оптимизировать производительность вашего сайта. Они включают в себя:

Сессии¶

Статические файлы¶

Статические файлы, которые по определению не являются динамическими, являются отличной целью для оптимизации.

Загрузчик кэшированных шаблонов¶

Включение кэшированного загрузчика шаблонов часто значительно повышает производительность, поскольку позволяет избежать компиляции каждого шаблона каждый раз, когда его необходимо отобразить.

Новее часто (но не всегда) лучше¶

Довольно редко новая версия хорошо поддерживаемого программного обеспечения оказывается менее эффективной, но сопровождающие не могут предусмотреть все возможные варианты использования, поэтому, зная, что новые версии, скорее всего, будут работать лучше, не думайте, что так будет всегда.

Это справедливо и для самого Django. Последующие выпуски предлагали ряд улучшений во всей системе, но вам все равно следует проверять реальную производительность вашего приложения, поскольку 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 во всех случаях встроенный язык шаблонов Django вполне достаточен. Однако, если узкие места вашего проекта Django кроются в системе шаблонов и вы исчерпали другие возможности исправить это, решением может стать сторонняя альтернатива.

Jinja2 может предложить повышение производительности, особенно когда дело касается скорости.

Альтернативные системы шаблонов различаются по степени использования языка шаблонов Django.

Альтернативные реализации программного обеспечения¶

Возможно, стоит проверить, предоставлено ли используемое вами программное обеспечение Python в другой реализации, которая может выполнять тот же код быстрее.

Однако большинство проблем с производительностью на хорошо написанных сайтах Django 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 более быстрого его выполнения.

Использование альтернативной реализации может привести к проблемам совместимости, развертывания, переносимости или обслуживания. Само собой разумеется, что прежде чем принимать нестандартную реализацию, вы должны убедиться, что она обеспечивает достаточный прирост производительности вашего приложения, чтобы перевесить потенциальные риски.

Учитывая эти предостережения, вы должны знать: