在Django中优化Postgresql数据库写入的性能？

Question

我有一个Django 1.1应用，每天需要从一些大的json文件中导入数据。为了给出一个想法，这些文件之一超过100
Mb，并且有90K条目被导入到Postgresql数据库中。

我遇到的问题是，导入数据确实需要很长时间，即几个小时。我本以为将这么多的条目写到数据库中会花费一些时间，但是肯定不会那么长，这让我觉得我做错了内在的东西。我读过类似的stackexchange问​​题，建议的解决方案建议使用transaction.commit_manually或transaction.commit_on_success装饰器批量提交而不是在.save()我已经做过的every上提交。

就像我说的那样，我想知道我是否做错了任何事情（例如，要提交的批处理太大？，太多的外键？…），或者我是否应该为此功能使用Django模型？直接使用DB
API。有什么想法或建议吗？

这是导入数据时要处理的基本模型（为简单起见，我删除了原始代码中的某些字段）

class Template(models.Model):
    template_name = models.TextField(_("Name"), max_length=70)
    sourcepackage = models.TextField(_("Source package"), max_length=70)
    translation_domain = models.TextField(_("Domain"), max_length=70)
    total = models.IntegerField(_("Total"))
    enabled = models.BooleanField(_("Enabled"))
    priority = models.IntegerField(_("Priority"))
    release = models.ForeignKey(Release)

class Translation(models.Model):
    release = models.ForeignKey(Release)
    template = models.ForeignKey(Template)
    language = models.ForeignKey(Language)
    translated = models.IntegerField(_("Translated"))

以下代码似乎需要很长时间才能完成：

@transaction.commit_manually
def add_translations(translation_data, lp_translation):

    releases = Release.objects.all()

    # There are 5 releases
    for release in releases:

        # translation_data has about 90K entries
        # this is the part that takes a long time
        for lp_translation in translation_data:
            try:
                language = Language.objects.get(
                    code=lp_translation['language'])
            except Language.DoesNotExist:
                continue

            translation = Translation(
                template=Template.objects.get(
                            sourcepackage=lp_translation['sourcepackage'],
                            template_name=lp_translation['template_name'],
                            translation_domain=\
                                lp_translation['translation_domain'],
                            release=release),
                translated=lp_translation['translated'],
                language=language,
                release=release,
                )

            translation.save()

        # I realize I should commit every n entries
        transaction.commit()

        # I've also got another bit of code to fill in some data I'm
        # not getting from the json files

        # Add missing templates
        languages = Language.objects.filter(visible=True)
        languages_total = len(languages)

        for language in languages:
            templates = Template.objects.filter(release=release)

            for template in templates:
                try:
                    translation = Translation.objects.get(
                                    template=template,
                                    language=language,
                                    release=release)
                except Translation.DoesNotExist:
                    translation = Translation(template=template,
                                              language=language,
                                              release=release,
                                              translated=0,
                                              untranslated=0)
                    translation.save()

            transaction.commit()

Answer 1

通过您的应用程序去和处理每一行是 很多 慢，直接将数据加载到服务器。即使使用优化的代码。另外，插入/在一个时间更新一行是 很多 又慢于处理的一次。

如果导入文件在服务器本地可用，则可以使用
COPY

。否则，您可以\copy在标准界面中使用meta命令psql。您提到了JSON，为此，您必须将数据转换为合适的平面格式，例如CSV。

如果只想向表中添加新行：

COPY tbl FROM '/absolute/path/to/file' FORMAT csv;

或者，如果您想插入/更新一些行：

首先，请为temp_buffers使用足够的RAM
（如果可以的话，至少暂时使用），这样就不必将temp表写入磁盘。请注意，必须在访问 此 会话中的任何临时表之前完成
此操作 。

SET LOCAL temp_buffers='128MB';

内存中的表示要比数据的on.disc表示占用更多的空间。因此，对于一个100 MB的JSON文件..减去JSON开销，再加上一些Postgres开销，128
MB可能足够，也可能不够。但是您不必猜测，只需进行测试并进行测量：

select pg_size_pretty(pg_total_relation_size('tmp_x'));

创建临时表：

CREATE TEMP TABLE tmp_x (id int, val_a int, val_b text);

或者，仅复制现有表的结构：

CREATE TEMP TABLE tmp_x AS SELECT * FROM tbl LIMIT 0;

复制值（应该花 几秒钟 ，而不是几小时）：

COPY tmp_x FROM '/absolute/path/to/file' FORMAT csv;

从那里使用简单的旧SQL进行INSERT / UPDATE。在计划复杂的查询时，您甚至可能想要在临时表上添加一两个 索引 并运行ANALYZE：

ANALYZE tmp_x;

例如，要更新现有行，并匹配id：

UPDATE tbl
SET    col_a = tmp_x.col_a
USING  tmp_x
WHERE  tbl.id = tmp_x.id;

最后，删除临时表：

DROP TABLE tmp_x;

或者在会话结束时自动将其删除。