您现在的位置是：网站首页 >Django Django

在Django中如何在不停机的情况下创建索引

admin2019年6月1日 22:50 【Django 】 1349人已围观

[TOC] [原文by Haki Benita ](https://realpython.com/create-django-index-without-downtime/) 翻译by StarMeow 在任何软件项目中，管理数据库迁移都是一个巨大的挑战。Django1.7版本就开始内置迁移框架，该框架非常强大，可用于管理数据库中的更改。要了解Django迁移的局限性，您将解决一个众所周知的问题：在Django中创建一个没有停机时间的索引。在这篇文章中，可以学到： - Django如何以及何时生成新的迁移 - 如何检查Django生成的执行迁移的命令 - 如何安全的修改迁移以满足自己的需求 # 在Django迁移中创建索引的问题 **当应用存储的数据增长时，通常需要进行的常见更改是添加索引。索引用于加快查询速度，并能提高应用的运行和响应速度。** 在大多数数据库中，添加索引需要对表进行独占锁定。创建索引时，独占锁可以防止数据修改（DML）操作，例如更新、插入和删除。数据库在执行某些操作时隐式的获取锁。例如，当用户登录应用时，Django将更新`auth_user`表中的`last_login`字段。要执行更新，数据库首先必须获得该行的锁，如果要修改的行被另一个连接锁定，那么可能会出现数据库异常。当需要在迁移期间保持系统可用时，锁定表可能会出现问题。表越大，创建索引耗时越长，那么系统不可用或响应用户的时间就越长。一些数据库提供商提供了一种创建索引而不锁定表的方法。例如，要在PostgreSQL中创建索引而不锁定表，可以使用`CONCURRENTLY`关键字： ```sql CREATE INDEX CONCURRENTLY ix ON table (column); ``` 在Oracle中，有一个`ONLINE`选项允许在创建索引时也可以对表制定DML操作： ```sql CREATE INDEX ix ON table (column) ONLINE; ``` 在生成迁移时，Django不会使用这些特殊的关键字。按原样运行迁移将使数据库获得表上的独占锁，并在创建索引时防止DML操作，也就是执行`migrate`就不允许修改数据了。并发创建索引也有一些注意事项。提前了解特定于数据库后端的问题是很重要的。例如，PostgreSQL中会有一个警告是并发创建索引需要更长的时间，因为它需要额外的表扫描。在这个教程中，将使用Django迁移在一个数据量大的表上创建索引，而不会导致任何停机。 > 注意：要学习本教程，建议使用PostgreSQL后端Django 2.x和python3。 > 也可以使用其他数据库后端。在使用PostgreSQL特有的SQL特性的地方，更改SQL以匹配数据库后端。 # 设置在一个名为app的应用中使用一个虚构的`Sale`模型。在现实生活中，`Sale`等模型是数据库中主要的表，它们通常会非常大，并存储大量的数据： ```python # models.py from django.db import models class Sale(models.Model): sold_at = models.DateTimeField( auto_now_add=True, ) charged_amount = models.PositiveIntegerField() ``` 创建表，生成初始迁移并应用它 ```shell $ python manage.py makemigrations Migrations for 'app': app/migrations/0001_initial.py - Create model Sale $ python manage migrate Operations to perform: Apply all migrations: app Running migrations: Applying app.0001_initial... OK ``` 过了一段时间，`sales`表变得非常大，用户开始抱怨速度太慢。在监视数据库时，注意到许多查询使用`sold_at`列。为了加快速度，决定在列上需要一个索引。要在`sold_at`上添加索引，需要对模型进行以下更改： ```python # models.py from django.db import models class Sale(models.Model): sold_at = models.DateTimeField( auto_now_add=True, db_index=True, ) charged_amount = models.PositiveIntegerField() ``` 如果原样运行这个迁移，那么Django将在表上创建索引，并且它将被锁定，直到索引完成。在非常大的表上创建索引可能需要一段时间，并且希望避免停机。在数据量很少和连接很少的本地开发环境中，这种迁移一般都是瞬间完成的。然而，对于具有并发连接的数据量极大的数据库中，获取锁并创建索引可能需要一段时间。在接下来的步骤中，将修改Django创建的迁移，以便在不触发停机的情况下创建索引。 # 伪造迁移第一种方法是手动创建索引。将生成迁移，但实际上不会让Django去应用它。相反，需要在数据库中手动运行SQL，然后让Django认为迁移已经完成。 ## 原始迁移首先，生成迁移： ```shell $ python manage.py makemigrations --name add_index_fake Migrations for 'app': app/migrations/0002_add_index_fake.py - Alter field sold_at on sale ``` 使用`sqlmigrate`命令来查看Django将用于执行此迁移的SQL ```shell $ python manage.py sqlmigrate app 0002 BEGIN; -- -- Alter field sold_at on sale -- CREATE INDEX "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); COMMIT; ``` ## SQL命令添加索引希望在不锁定表的情况下创建索引，因此需要修改命令，添加`CONCURRENTLY`关键字，并在数据库中执行下面的语句： ```sql # PostgreSQL Console app=# CREATE INDEX CONCURRENTLY "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); CREATE INDEX ``` 注意，指定的命令没有`BEGIN`和`COMMIT`部分。省略这些关键字将在没有数据库事务的情况下执行命令。将在本文后面讨论数据库事务。在指定命令后，如果尝试运行迁移，会出现以下错误： ```shell $ python manage.py migrate Operations to perform: Apply all migrations: app Running migrations: Applying app.0002_add_index_fake...Traceback (most recent call last): File "venv/lib/python3.7/site-packages/django/db/backends/utils.py", line 85, in _execute return self.cursor.execute(sql, params) psycopg2.ProgrammingError: relation "app_sale_sold_at_b9438ae4" already exists ``` Django会提示该索引已经存在，因此无法继续迁移。因为刚刚已经在数据库中使用命令直接创建了索引，所以现在需要让Django认为已经应用了迁移。 ## 如何伪造一个迁移 Django提供了一个内置的方法，可以将迁移标记为已执行，而不需要实际执行它们。要使用这个选项，请在应用迁移时设置一个`--fake`标志： ```shell $ python manage.py migrate --fake Operations to perform: Apply all migrations: app Running migrations: Applying app.0002_add_index_fake... FAKED ``` Django这次没有抛出错误。实际上，Django并没有真正应用任何迁移。它只是将其标记为已执行(或伪造)。以下是在进行伪迁移时需要考虑的一些问题: - **手动命令必须要与Django生成的SQL等价**：需要确保执行的命令等同于Django生成的SQL。使用`sqlmigrate`生成SQL命令。如果命令不匹配，则可能导致数据库和模型状态之间的不一致。 - **其他未应用的迁移也将被伪造**：当有多个未应用的迁移时，如果使用这个命令，他们都将被伪造。在应用迁移之前，首先要确保只有想要伪造的迁移没有被应用。否则，可能会得到不一致的结果。另一个选项是指定要伪造的确切迁移。 - **需要直接访问数据库**：需要在数据库中运行SQL命令，这并不总是一种选择。此外，直接在生产数据库中执行命令是危险的，应尽可能避免。 - **自动化部署过程可能需要调整**：自动化部署过程（使用CI、CD或其他自动化工具），则可能需要更改过程以伪造迁移。这并不总是令人满意的。 ## 回退迁移清理在继续下一节之前，需要将数据库恢复到它在初始迁移之后的状态。要做到这一点，回退初始迁移。 ```shell $ python manage.py migrate 0001 Operations to perform: Target specific migration: 0001_initial, from app Running migrations: Rendering model states... DONE Unapplying app.0002_add_index_fake... OK ``` Django取消了第二次前一种所做的更改，所以现在可以安全的删除迁移文件： ```shell $ rm app/migrations/0002_add_index_fake.py ``` 确保做的都是正确的，可以检查迁移 ```shell $ python manage.py showmigrations app app [X] 0001_initial ``` 应用了初始迁移，并且已经没有未应用的迁移了。 # 在迁移中执行原始SQL 在上一节中，直接在数据库中执行SQL并伪造迁移。这就完成了任务，但是有一个更好的解决方案。 Django提供了一种使用`RunSQL`在迁移中执行原始SQL的方法。尝试使用它，而不是直接在数据库中执行命令。 ## 生成空迁移文件并修改首先，生成一个新的空迁移： ```shell $ python manage.py makemigrations app --empty --name add_index_runsql Migrations for 'app': app/migrations/0002_add_index_runsql.py ``` 接下来，编辑迁移文件并添加RunSQL操作： ```python # migrations/0002_add_index_runsql.py from django.db import migrations, models class Migration(migrations.Migration): atomic = False dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.RunSQL( 'CREATE INDEX "app_sale_sold_at_b9438ae4" ' 'ON "app_sale" ("sold_at");', ), ] ``` 运行迁移时，将得到如下输出： ```shell $ python manage.py migrate Operations to perform: Apply all migrations: app Running migrations: Applying app.0002_add_index_runsql... OK ``` 这看起来不错，但有一个问题。再次来尝试生成迁移： ```shell $ python manage.py makemigrations --name leftover_migration Migrations for 'app': app/migrations/0003_leftover_migration.py - Alter field sold_at on sale ``` Django再次生成了相同的迁移。为什么会这样? ## 回退迁移清理在回答这个问题之前，需要清理并撤消对数据库所做的更改。首先删除最后一次迁移。它没有被应用，所以可以安全删除 ```shell $ rm app/migrations/0003_leftover_migration.py ``` 接下来，列出app应用程序的迁移： ```shell $ python manage.py showmigrations app app [X] 0001_initial [X] 0002_add_index_runsql ``` 第三次迁移已经结束，但是只应用了第二次迁移。希望回到初始迁移之后的状态。试着像在上一节所做的那样回退初始迁移状态： ```shell $ python manage.py migrate app 0001 Operations to perform: Target specific migration: 0001_initial, from app Running migrations: Rendering model states... DONE Unapplying app.0002_add_index_runsql...Traceback (most recent call last): NotImplementedError: You cannot reverse this operation ``` Django无法逆转迁移。 ## 逆向迁移操作要逆向迁移，Django对每个操作执行相反的操作。在本例中，添加索引的反面是删除索引。当一个迁移时可逆的时候，可以取消应用它。就像在Git中使用`checkout`一样，如果对较早的迁移执行了`migrate`命令，可以进行撤销迁移。许多内置的迁移操作已经定义了反向操作。例如，添加字段的反向操作是删除对应的列。创建模型的反向操作是删除相应的表。有些操作是不可逆的，例如，删除字段或删除模型没有反向操作，因为一旦应用了迁移，数据就会消失。在上一节中，使用了`RunSQL`操作。但尝试逆转迁移时，会报错，根据错误，迁移中的一个操作无法撤消。Django默认情况下无法逆转原始SQL，因为Django不知道该操作执行了什么，所以不能自动生成相反的操作。 ## 如何使迁移可逆为了使迁移是可逆的，迁移中的所有操作都必须是可逆的。不可能反转部分迁移，因此单个不可逆操作将使整个迁移不可逆。要使`RunSQL`操作可逆，必须提供在操作反转时执行的SQL。反向SQL在`reverse_sql`参数中提供。添加索引的相反操作是删除索引。要使迁移可逆，请提供`reverse_sql`来删除索引： ```python # migrations/0002_add_index_runsql.py from django.db import migrations, models class Migration(migrations.Migration): atomic = False dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.RunSQL( 'CREATE INDEX "app_sale_sold_at_b9438ae4" ' 'ON "app_sale" ("sold_at");', reverse_sql='DROP INDEX "app_sale_sold_at_b9438ae4";', ), ] ``` 现在试着反转迁移： ```shell $ python manage.py showmigrations app app [X] 0001_initial [X] 0002_add_index_runsql $ python manage.py migrate app 0001 Operations to perform: Target specific migration: 0001_initial, from app Running migrations: Rendering model states... DONE Unapplying app.0002_add_index_runsql... OK $ python manage.py showmigrations app app [X] 0001_initial [ ] 0002_add_index_runsql ``` 第二次迁移发生了逆转，Django删除了索引。现在可以安全地删除迁移文件了： ```shell $ rm app/migrations/0002_add_index_runsql.py ``` 提供`reverse_sql`总是一个好主意。在反转原始SQL操作不需要其他操作的情况下，可以使用特殊的哨兵语句 `migrations.RunSQL.noop`将该操作标记为可逆操作。 ```python migrations.RunSQL( sql='...', # 向前的SQL语句 reverse_sql=migrations.RunSQL.noop, ), ``` # 了解模型状态和数据库状态在之前尝试使用`RunSQL`手动创建索引时，即使索引是在数据库中已创建的，Django也会反复生成相同的迁移。要理解Django为什么要这样做，首先理解Django如何决定何时生成新的迁移。 ## Django生成新的迁移时在生成和应用迁移的过程中，Django数据库状态和模型状态之间进行同步。例如，当向模型添加字段时，Django会向表中添加一列；当从模型中删除字段时，Django将从表中删除该列。为了在模型和数据库之间同步，Django维护着一个表示模型的状态，为了使数据库与模型同步，Django会生成迁移操作，迁移操作转换为可以在数据库中执行的且针对数据库类型的SQL语句。当所有迁移操作都执行后，数据库和模型应该是一致的。为了获取数据库的状态，Django聚合了过去所有迁移的操作。当迁移的聚合状态与模型的状态不一致时，Django生成一个新的迁移。在前面的示例中，使用原始SQL语句创建了索引，Django不知道已经创建了索引，因为没有使用它熟悉的迁移操作。当Django聚合所有迁移并将他们与模型的状态进行比较时，它发现缺少一个索引。这就是为什么即使手动创建了索引，Django仍然认为它是缺失的，并为它生成了一个新的迁移。 ## 如何在迁移中分离数据库和状态由于Django无法按照要求的方式创建索引，所以我们需要提供自己的SQL语句，但仍然要让Django知道已经创建了索引。换句话说，我们要在数据库中执行一些操作，并为Django提供迁移操作来同步其内部状态。为了，Django提供了一个名为`SeparateDatabaseAndState`的特殊迁移操作。这种操作并不为人所知，应该留给想这种特殊情况下使用。编辑迁移文件要比从头开始写容易得多，因为，首先以常规的方式生成一个迁移： ```shell $ python manage.py makemigrations --name add_index_separate_database_and_state Migrations for 'app': app/migrations/0002_add_index_separate_database_and_state.py - Alter field sold_at on sale ``` 这是Django生成的迁移内容，和之前一样： ```python # migrations/0002_add_index_separate_database_and_state.py from django.db import migrations, models class Migration(migrations.Migration): dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.AlterField( model_name='sale', name='sold_at', field=models.DateTimeField( auto_now_add=True, db_index=True, ), ), ] ``` Django在字段`sold_at`上生成了一个`AlterField`操作。该操作将创建索引并更新状态。我们希望保留这个操作，但是在数据库中提供一个不同的命令来执行。同样，要获得该命令，请使用Django生成的SQL： ```shell $ python manage.py sqlmigrate app 0002 BEGIN; -- -- Alter field sold_at on sale -- CREATE INDEX "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); COMMIT; ``` 在适当位置添加`CONCURRENTLY`关键字： ```sql CREATE INDEX CONCURRENTLY "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); ``` 接下来，编辑迁移文件并使用`SeparateDatabaseAndState`提供修改后的SQL命令执行： ```python # migrations/0002_add_index_separate_database_and_state.py from django.db import migrations, models class Migration(migrations.Migration): dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.SeparateDatabaseAndState( state_operations=[ # 原来的operations内容写在这里面 migrations.AlterField( model_name='sale', name='sold_at', field=models.DateTimeField( auto_now_add=True, db_index=True, ), ), ], database_operations=[ migrations.RunSQL(sql=""" CREATE INDEX CONCURRENTLY "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); """, reverse_sql=""" DROP INDEX "app_sale_sold_at_b9438ae4"; """), ], ), ], ``` 迁移操作`SeparateDatabaseAndState`接收2个操作列表： 1. `state_operations`是应用于内部模型状态的操作，它们不会影响数据库。 2. `database_operations`是应用数据库的操作。在`state_operations`中保留了Django生成的原始操作。当使用`SeparateDatabaseAndState`时，我们通常会这么做。注意，`db_index=True`参数Django提供给该字段。这个迁移操作将让Django知道字段上有一个索引。使用了Django生成的SQL并添加了`CONCURRENTLY`关键字。使用特殊的操作`RunSQL`来执行迁移中的原始SQL。如果试图运行此迁移，将获得以下输出： ```shell $ python manage.py migrate app Operations to perform: Apply all migrations: app Running migrations: Applying app.0002_add_index_separate_database_and_state...Traceback (most recent call last): File "/venv/lib/python3.7/site-packages/django/db/backends/utils.py", line 83, in _execute return self.cursor.execute(sql) psycopg2.InternalError: CREATE INDEX CONCURRENTLY cannot run inside a transaction block ``` # 非原子迁移在SQL中，`CREATE`，`DROP`，`ALTER`以及`TRUNCATE`操作被称为数据库定义语言Data Definition Language (DDL)。在支持事务性DDL的数据库中，比如PostgreSQL, Django默认情况下在数据库事务中执行迁移。然而，根据上面的错误，PostgreSQL不能在事务块中并发地创建索引。为了能够在迁移中并发地创建索引，需要告诉Django不要在数据库事务中执行迁移。为此，将`atomic`设置为`False`，将迁移标记为非原子`non-atomic`，也就是添加`atomic = False`属性。 ```python # migrations/0002_add_index_separate_database_and_state.py from django.db import migrations, models class Migration(migrations.Migration): atomic = False dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.SeparateDatabaseAndState( state_operations=[ migrations.AlterField( model_name='sale', name='sold_at', field=models.DateTimeField( auto_now_add=True, db_index=True, ), ), ], database_operations=[ migrations.RunSQL(sql=""" CREATE INDEX CONCURRENTLY "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); """, reverse_sql=""" DROP INDEX "app_sale_sold_at_b9438ae4"; """), ], ), ], ``` 将迁移标记为非原子之后，可以运行迁移： ```shell $ python manage.py migrate app Operations to perform: Apply all migrations: app Running migrations: Applying app.0002_add_index_separate_database_and_state... OK ``` 只是执行了迁移，没有引起任何停机。下面是使用`SeparateDatabaseAndState`时需要考虑的一些问题： - **数据库操作必须等同于状态操作**：数据库和模型状态之间的不一致会导致很多麻烦。一个很好的起点是将Django生成的操作保持在`state_operations`中，并编辑`sqlmigrate`的输出以在`database_operations`中使用。 - **出现错误时，非原子迁移无法回滚**：如果迁移过程中出现错误，则无法回滚。必须回滚迁移或手动完成迁移。将非原子迁移中执行的操作保持在最低限度是个好主意。如果在迁移中有其他操作，请将它们移至新迁移。 - **迁移可能是特定于供应商的**：Django生成的SQL特定于项目中使用的数据库后端。它可能适用于其他数据库后端，但不能保证。如果需要支持多个数据库后端，则需要对此方法进行一些调整。 # 结论使用大型的数据库的一个问题开始本教程。希望为用户更快地创建应用程序，并且希望这样做而不会导致任何停机。在本教程结束时，设法生成并安全地修改Django迁移以实现此目标。在整个过程中解决了不同的问题，并设法使用迁移框架提供的内置工具来克服它们。在本教程中，学习了以下内容： - Django迁移如何使用模型和数据库状态在内部工作，以及何时生成新的迁移 - 如何使用`RunSQL`操作在迁移中执行自定义SQL - 可逆迁移是什么，以及如何使`RunSQL`操作可逆 - 什么原子迁移，以及如何根据需要更改默认行为 - 如何在Django中安全地执行复杂的迁移模型和数据库状态之间的分离是一个重要的概念。一旦理解了它，以及如何利用它，就可以克服内置迁移操作的许多限制。想到的一些用例包括添加已在数据库中创建的索引，并为DDL命令提供特定于供应商的参数。 # 【操作步骤】不停机情况下创建索引在为`sold_at`字段添加`db_index=True`前需要执行`makemigrations`和`migrate`来保证当前的迁移和数据库中一致。然后添加`db_index=True`，再执行`makemigrations` ```shell $ python manage.py makemigrations --name add_index_separate_database_and_state Migrations for 'app': app/migrations/0002_add_index_separate_database_and_state.py - Alter field sold_at on sale ``` 会得到`add_index_separate_database_and_state.py`文件 ```python # migrations/0002_add_index_separate_database_and_state.py from django.db import migrations, models class Migration(migrations.Migration): dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.AlterField( model_name='sale', name='sold_at', field=models.DateTimeField( auto_now_add=True, db_index=True, ), ), ] ``` 进行修改 ```python # migrations/0002_add_index_separate_database_and_state.py from django.db import migrations, models class Migration(migrations.Migration): atomic = False # 标记为非原子迁移 dependencies = [ ('app', '0001_initial'), ] operations = [ migrations.SeparateDatabaseAndState( state_operations=[ # 应用于内部模型状态的操作。它们不会影响数据库。也就是自动生成的operations migrations.AlterField( model_name='sale', name='sold_at', field=models.DateTimeField( auto_now_add=True, db_index=True, ), ), ], database_operations=[ # 要应用于数据库的操作。 migrations.RunSQL(sql=""" CREATE INDEX CONCURRENTLY "app_sale_sold_at_b9438ae4" ON "app_sale" ("sold_at"); """, reverse_sql=""" DROP INDEX "app_sale_sold_at_b9438ae4"; """), ], ), ], ```