使用django从数据库中随机取N条记录的不同方法及其性能实测

来源：互联网发布：钢铁生产过程知乎编辑：程序博客网时间：2024/05/01 04:41

这里（stackoverflow）有一篇关于使用Django随机获取记录的讨论。

主要意思是说

Record.objects.order_by('?')[:2]  

这样获取2个记录会导致性能问题，原因如下：

“

对于有着相当多数量记录的表来说，这种方法异常糟糕。这会导致一个 ORDER BY RAND() 的SQL查询。举个栗子，这里是MYSQL是如何处理这个查询的（其他数据库的情况也差不多），想象一下当一个表有十亿行的时候会怎样：

为了完成ORDER BY RAND() ，需要一个RAND()列来排序
为了有RAND()列，需要一个新表，因为现有的表没有这个列。
为了这个新表，mysql建立了一个带有新列的，新的临时表，并且将已有的一百万行数据复制进去。
当其新建完了，他如你所要求的，为每一行运行RAND()函数来填上这个值。是的，你派mysql创建一百万个随机数，这要点时间：）
几个小时或几天后，当他干完这活，他要排序。是的，你排mysql去排序一个一百万行的，最糟糕的表（说他最糟糕是因为排序的键是随机的）。
几天或者几星期后，当排序完了，他忠诚地将你实际需要的可怜的两行抓出来返回给你。做的好。；）

注意：只是稍微说一句，得注意到mysql一开始会试着在内存中创建临时表。当内存不够了，他将会把所有东西放在硬盘上，所以你会因为近乎于整个过程中的I/O瓶颈而雪上加霜。

怀疑者可以去看看python代码引起的查询语句，确认是ORDER BY RAND()，然后去Google下"order by rand()"（带上引号）。

一个更好的方式是将这个耗费严重的查询换成3个耗费更轻的：

last = MyModel.objects.count() - 1  
# 这是一个获取两个不重复随机数的简单方法  
index1 = randint(0, last)  
index2 = randint(0, last - 1)  
if index2 == index1:   
    index2 = last  
MyObj1 = MyModel.objects.all()[index1]  
MyObj2 = MyModel.objects.all()[index2]  

”

如上Manganeez所说的方法，相应的获取n条记录的代码应该如下：

sample = random.sample(xrange(Record.objects.count()),n)  
result = [Record.objects.all()[i]) for i in sample]  

基于Python代码应该简洁优雅的想法，如上的代码似乎可以写成：

result = random.sample(Record.objects.all(),n)  

就性能问题，请教了stackoverflow上的大神（虽然被踩和被教育了=。=）

“
Record.objects.count() 将被转换成一个相当轻量级的SQL请求：

SELECT COUNT(*) FROM TABLE  

Record.objects.all()[0]也会被转换成一个十分轻量级的SQL请求：

SELECT * FROM TABLE LIMIT 1  

Querying all 是一个耗费十分严重的请求

SELECT * FROM TABLE  

通常情况下Django会不显示其他的结果，这样你不会真正的获取到所有的记录。

SELECT * FROM table LIMIT 20;  // or something similar  

任何时候你将一个Queryset转换成list的时候，将是资源消耗严重的时候。

如果我没错的话，在这个例子里，sample方法将把Queryset转换成list。

这样如果你result = random.sample(Record.objects.all(),n) 这样做的话，全部的Queryset将会转换成list，然后从中随机选择。

想象一下如果你有十亿行的数据。你是打算把它存储在一个有百万元素的list中，还是愿意一个一个的query？

”

在上边Yeo的回答中，freakish回复道:

“

.count的性能是基于数据库的。而Postgres的.count为人所熟知的相当之慢。

”

某人说过，要知道梨子的滋味，就得变革梨子，亲口尝一尝。

在一个已有的测试project中新建一个app，数据库是MYSQL：

D:\PyWorkspace\DjangoTest>python manage.py startapp randomrecords  

在models.py中添加模型：

class Record(models.Model):  
    """docstring for Record"""  
      
    id = models.AutoField(primary_key = True)  
    content = models.CharField(max_length = 16)  
  
    def __str__(self):  
        return "id:%s content:%s" % (self.id, self.content)  
    def __unicode__(self):  
        return u"id:%s content:%s" % (self.id, self.content)  

添加一万行数据：

D:\PyWorkspace\DjangoTest>python manage.py syncdb  
Creating tables ...  
Creating table randomrecords_record  
Installing custom SQL ...  
Installing indexes ...  
Installed 0 object(s) from 0 fixture(s)  
  
D:\PyWorkspace\DjangoTest>python manage.py shell  
Python 2.7.5 (default, May 15 2013, 22:44:16) [MSC v.1500 64 bit (AMD64)] on win  
32  
Type "help", "copyright", "credits" or "license" for more information.  
(InteractiveConsole)  
>>> from randomrecords.models import Record  
>>> for i in xrange(10000):  
...   Record.objects.create(content = 'c of %s' % i).save()  
...  

15分钟以后我得到了这个MYSQL表。真的，不骗你，真的是15分钟。看了记录才知道每次save都要调用一次insert和一次update。。。。下次一定用SQL语句初始化。。。。

先写了个脚本在manage.py shell中调用了下结果让我震惊了。

我表示不敢相信又写了view 并添加了显示Query的log

这里是写的view：

def test1(request):  
    start = datetime.datetime.now()  
    result = Record.objects.order_by('?')[:20]  
    l = list(result) # Queryset是惰性的，强制将Queryset转为list  
    end = datetime.datetime.now()  
    return HttpResponse("time: <br/> %s" % (end-start).microseconds/1000))  
  
def test2(request):  
    start = datetime.datetime.now()  
    sample = random.sample(xrange(Record.objects.count()),20)  
    result = [Record.objects.all()[i] for i in sample]  
    l = list(result)  
    end = datetime.datetime.now()  
    return HttpResponse("time: <br/> %s" % (end-start)  
  
def test3(request):  
    start = datetime.datetime.now()  
    result = random.sample(Record.objects.all(),20)  
    l = list(result)  
    end = datetime.datetime.now()  
    return HttpResponse("time: <br/> %s" % (end-start)  

运行结果如下，第一行是页面显示的时间，后边是Queryset实际调用的SQL语句：

test1：  
  
time: 0:00:00.012000  
  
(0.009) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` ORDER BY RAND() LIMIT 20; args=()  
[05/Dec/2013 17:48:19] "GET /dbtest/test1 HTTP/1.1" 200 775  
  
  
  
  
test2:  
  
time: 0:00:00.055000  
  
(0.002) SELECT COUNT(*) FROM `randomrecords_record`; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 6593; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 2570; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 620; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 5814; args=()  
(0.003) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 6510; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3536; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3362; args=()  
(0.003) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 8948; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 7723; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 2374; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 8269; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 4370; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 6953; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1441; args=()  
(0.000) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 772; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 4323; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 8139; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 7441; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1306; args=()  
(0.001) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 5462; args=()  
[05/Dec/2013 17:50:34] "GET /dbtest/test2 HTTP/1.1" 200 777  
  
  
  
  
test3:  
  
time: 0:00:00.156000  
  
(0.032) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record`; args=()  
[05/Dec/2013 17:51:29] "GET /dbtest/test3 HTTP/1.1" 200 774  

令人难以置信的，在10000行的MYSQL表中方法1的效率是最高的

无论是结果上看（12ms）还是SQL语句的运行时间上看（9ms）方法1甩了其他方法一大截

即便数据量增加到21万：

time: 98  
  
(0.094) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` ORDER BY RAND() LIMIT 20; args=()  
[05/Dec/2013 19:18:59] "GET /dbtest/test1 HTTP/1.1" 200 14  
  
  
time: 0:00:00.668000  
//这里没有注意到 掉了一行count语句  
(0.045) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 176449; args=()  
(0.016) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 68082; args=()  
(0.036) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 145571; args=()  
(0.033) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 111029; args=()  
(0.043) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 169675; args=()  
(0.046) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 186234; args=()  
(0.043) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 167233; args=()  
(0.015) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 54404; args=()  
(0.036) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 140395; args=()  
(0.004) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 13128; args=()  
(0.039) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 153695; args=()  
(0.034) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 131863; args=()  
(0.021) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 82785; args=()  
(0.015) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 57253; args=()  
(0.021) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 77836; args=()  
(0.049) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 199567; args=()  
(0.002) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3867; args=()  
(0.027) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 104470; args=()  
(0.026) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 107058; args=()  
(0.043) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 150979; args=()  
[05/Dec/2013 19:21:33] "GET /dbtest/test2 HTTP/1.1" 200 15  
  
  
time 0:00:00.781000  
  
[05/Dec/2013 19:23:01] "GET /dbtest/test3 HTTP/1.1" 200 15  
(0.703) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record`; args=()  
[05/Dec/2013 19:23:06] "GET /dbtest/test3 HTTP/1.1" 200 15  

方法1也会比其他两种方法快

数据量再次提升至百万级别 1066768条数据

time:   
0:00:02.197000  
  
(2.193) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` ORDER BY RAND() LIMIT 20; args=()  
[05/Dec/2013 20:00:55] "GET /dbtest/test1 HTTP/1.1" 200 26  
  
  
time:   
0:00:02.659000  
  
(0.204) SELECT COUNT(*) FROM `randomrecords_record`; args=()  
(0.180) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 703891; args=()  
(0.038) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 156668; args=()  
(0.013) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 50742; args=()  
(0.031) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 121107; args=()  
(0.033) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 130565; args=()  
(0.017) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 66225; args=()  
(0.234) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 922479; args=()  
(0.267) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1027166; args=()  
(0.189) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 765499; args=()  
(0.009) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 31569; args=()  
(0.233) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 934055; args=()  
(0.264) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1052741; args=()  
(0.155) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 621692; args=()  
(0.014) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 52388; args=()  
(0.199) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 759669; args=()  
(0.170) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 655598; args=()  
(0.035) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 139709; args=()  
(0.228) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 919480; args=()  
(0.104) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 422051; args=()  
(0.017) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 67549; args=()  
[05/Dec/2013 20:00:45] "GET /dbtest/test2 HTTP/1.1" 200 26  
  
time:   
0:00:19.651000  
  
(3.645) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record`; args=()  
[05/Dec/2013 20:02:50] "GET /dbtest/test3 HTTP/1.1" 200 26  

第三种方法所用时间长到令人无法接受但有意思的是 SQL语句所花费的时间“只有”3.6秒。而大部分的时间都用在python上了。

既然第二种方法和第三种方法都需要random.sample 一个百万个数据的list，那就是说，有大量的时间花费在将SELECT到的结果转化为django对象的过程中了。

此后将不再测试第三种方法

最后，数据量增加到5,195,536个

time:   
0:00:22.278000  
  
(22.275) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FR  
OM `randomrecords_record` ORDER BY RAND() LIMIT 20; args=()  
[05/Dec/2013 21:46:33] "GET /dbtest/test1 HTTP/1.1" 200 26  
  
  
time:   
0:00:33.319000  
  
(1.393) SELECT COUNT(*) FROM `randomrecords_record`; args=()  
(3.201) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 4997880; args=()  
(1.229) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 2169311; args=()  
(0.445) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1745307; args=()  
(1.306) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3233861; args=()  
(1.881) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3946647; args=()  
(1.624) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3534377; args=()  
(1.068) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1684337; args=()  
(0.902) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 2607361; args=()  
(2.938) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 4872494; args=()  
(0.493) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 851494; args=()  
(3.275) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 5182414; args=()  
(0.946) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1684670; args=()  
(0.701) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1819730; args=()  
(0.915) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1626221; args=()  
(1.809) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 3638682; args=()  
(3.237) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 4801027; args=()  
(1.187) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1955843; args=()  
(2.736) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 4835733; args=()  
(1.705) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 2756641; args=()  
(0.286) SELECT `randomrecords_record`.`id`, `randomrecords_record`.`content` FRO  
M `randomrecords_record` LIMIT 1 OFFSET 1117426; args=()  

随着表中数据行数的增加，两个方法的所用的时间都到了一个完全不能接受的程度。两种方法所用的时间也几乎相同。

值得注意的是，Mysql数据库有一个特点是，对于一个大表，OFFSET越大，查询时间越长。或许有其他方法可以在offset较大的时候加快select的速度，然而django明显没有做到。如果能够减少这种消耗，方法2明显会优于方法1。

附上三种方法数据量和SQL时间/总时间的图

最后总结，Django下，使用mysql数据库，数据量在百万级以下时，使用

Record.objects.order_by('?')[:2]  

来获取随机记录系列，性能不会比

sample = random.sample(xrange(Record.objects.count()),n)  
result = [Record.objects.all()[i]) for i in sample]  

差。

0 0