sql-server - Django模型选择: IntegerField vs CharField

TL; DR :我有一个包含数百万个实例的表，我想知道如何索引它。

我有一个使用SQL Server作为数据库后端的Django项目。

在生产环境中建立具有大约1400万个实例的模型后，我意识到我遇到了性能问题:

class UserEvent(models.Model)

    A_EVENT = 'A'
    B_EVENT = 'B'

    types = (
        (A_EVENT, 'Event A'),
        (B_EVENT, 'Event B')
    )

    event_type = models.CharField(max_length=1, choices=types)

    contract = models.ForeignKey(Contract)

    # field_x = (...)
    # field_y = (...)

我在此字段中使用了很多查询，由于该字段未编制索引，因此效率非常低。仅通过此字段过滤模型大约需要7秒钟，而通过索引的外键查询不会带来性能问题:

UserEvent.objects.filter(event_type=UserEvent.B_EVENT).count()
# elapsed time: 0:00:06.921287

UserEvent.objects.filter(contract_id=62).count()
# elapsed time: 0:00:00.344261

当我意识到这一点时，我也对自己提出了一个问题:“该字段不应该是SmallIntegerField吗？因为我只有很少的选择集，所以基于整数字段的查询比基于文本/varchar的查询效率更高。”

因此，据我了解，我有两个选择*:

A)只需索引此字段，然后将其保留为CharField。

A_EVENT = 'A'
B_EVENT = 'B'

types = (
    (A_EVENT, 'Event A'),
    (B_EVENT, 'Event B')
)

event_type = models.CharField(max_length=1, choices=types, db_index=True)

B)执行迁移以在SmallIntegerField中转换此字段(我不希望它成为BooleanField，因为可能向该字段添加更多选项)，然后对该字段建立索引。

A_EVENT = 1
B_EVENT = 2

types = (
    (A_EVENT, 'Event A'),
    (B_EVENT, 'Event B')
)

event_type = models.SmallIntegerField(choices=types, db_index=True)

选项A

优点:简单

缺点:基于的CharField的索引比基于整数的索引的效率低

选项B

优点:基于整数的索引比基于CharField的索引更有效

缺点:我必须执行一个复杂的操作:

架构迁移以创建新的SmallIntegerField

数据迁移将数百万个实例从旧字段复制(和转换)到新字段。

更新项目代码以使用新字段，或执行另一种模式迁移以将新字段重命名为上一个字段。

删除旧字段。

总结一下，这里的真正问题是:

从将字段迁移到SmallIntegerField所获得的性能提高值得冒险吗？

我倾向于尝试选项A，并检查性能改进是否足够。

我还提出了这个问题到StackOverflow，因为出现了一个更通用的问题:

在任何情况下，与Boolean/Integer/SmallIntegerField一起使用时，在Django选项中使用CharFields是更好的选择吗？

之所以出现这种情况，是因为在定义项目模型时，我受到Django documentation code snippet的启发:

YEAR_IN_SCHOOL_CHOICES = (
     ('FR', 'Freshman'),
     ('SO', 'Sophomore'),
     ('JR', 'Junior'),
     ('SR', 'Senior'),
)

year_in_school = models.CharField(max_length=2,
                                  choices=YEAR_IN_SCHOOL_CHOICES,
                                  default=FRESHMAN)

为什么在使用整数时会使用chars，因为它只是一个永远都不会显示的值表示形式？

最佳答案

计数速度查询。

UserEvent.objects.filter(event_type=UserEvent.B_EVENT).count()
# elapsed time: 0:00:06.921287

不幸的是，当表具有大量条目时，这种性质的查询在数据库中总是很慢。

Mysql通过查看索引provided the indexed columns are numeric优化计数查询。因此，如果您使用的是mysql，则这是使用SmallIntegeField而不是Charfield的一个很好的理由，但显然您没有。您的里程因其他数据库而异。我不是SQL Server方面的专家，但我的理解是，它是COUNT(*)个查询的particularly poor at using indexes。

分区

您可以通过对数据进行分区来提高涉及event_type的查询的整体性能。由于当前索引的基数很差，因此计划人员进行全表扫描通常会更好。如果数据已分区，则仅需要扫描该特定分区。

字符或Smallint

哪个占用更多的空间char(2)或small int？答案是，这取决于您的字符集。如果字符集每个字符仅需要一个字节，则小整数和char(2)将占用相同的空间量。由于该字段将具有非常低的基数，因此在这种情况下使用char或smallint不会有任何显着差异。

关于sql-server - Django模型选择: IntegerField vs CharField，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36702839/