在 Django 中一次更新多个对象？

Question

我正在使用 Django 1.9。 我有一个 Django 表，它表示特定度量的值，按月组织，带有原始值和百分位数：

class MeasureValue(models.Model):
    org = models.ForeignKey(Org, null=True, blank=True)
    month = models.DateField()
    calc_value = models.FloatField(null=True, blank=True)
    percentile = models.FloatField(null=True, blank=True)

通常每月有 10,000 个左右。 我的问题是我是否可以加快在模型上设置值的过程。

目前，我通过使用 Django 过滤器查询检索一个月的所有测量值，将其转换为 Pandas 数据框，然后使用 scipy 的rankdata设置排名和百分位数来计算百分位数。 我这样做是因为 pandas 和rankdata是高效的，能够忽略空值，并且能够以我想要的方式处理重复值，所以我对这个方法很满意：

records = MeasureValue.objects.filter(month=month).values()
df = pd.DataFrame.from_records(records)
// use calc_value to set percentile on each row, using scipy's rankdata

但是，我随后需要从数据框中检索每个百分位值，并将其重新设置到模型实例上。 现在我通过迭代数据帧的行并更新每个实例来做到这一点：

for i, row in df.iterrows():
    mv = MeasureValue.objects.get(org=row.org, month=month)
    if (row.percentile is None) or np.isnan(row.percentile):
        row.percentile = None
    mv.percentile = row.percentile
    mv.save()

不出所料，这很慢。 是否有任何有效的 Django 方法可以通过编写单个数据库而不是数万个来加快速度？ 我检查了文档，但看不到一个。

Answer 1

原子事务可以减少在循环中花费的时间：

from django.db import transaction

with transaction.atomic():
    for i, row in df.iterrows():
        mv = MeasureValue.objects.get(org=row.org, month=month)

        if (row.percentile is None) or np.isnan(row.percentile): 
            # if it's already None, why set it to None?
            row.percentile = None

        mv.percentile = row.percentile
        mv.save()

Django 的默认行为是在自动提交模式下运行。 每个查询都会立即提交到数据库，除非事务处于活动状态。

通过with transaction.atomic()使用with transaction.atomic()所有插入都被分组到一个事务中。 提交事务所需的时间在所有包含的插入语句中分摊，因此每个插入语句的时间大大减少。

Answer 2

从 Django 2.2 开始，您可以使用bulk_update()方法有效地更新提供的模型实例上的给定字段，通常使用一个查询：

objs = [
    Entry.objects.create(headline='Entry 1'),
    Entry.objects.create(headline='Entry 2'),
]
objs[0].headline = 'This is entry 1'
objs[1].headline = 'This is entry 2'
Entry.objects.bulk_update(objs, ['headline'])

在旧版本的 Django 中，您可以将update()与Case / When ，例如：

from django.db.models import Case, When

Entry.objects.filter(
    pk__in=headlines  # `headlines` is a pk -> headline mapping
).update(
    headline=Case(*[When(pk=entry_pk, then=headline)
                    for entry_pk, headline in headlines.items()]))

Answer 3

实际上，尝试@Eugene Yarmash 的回答我发现我收到了这个错误：

FieldError: Joined field references are not permitted in this query

但我相信迭代update仍然比多次保存更快，我希望使用事务也应该加快速度。

因此，对于不提供bulk_update的 Django 版本，假设 Eugene 的答案中使用的数据相同，其中headlines是 pk -> 标题映射：

from django.db import transaction

with transaction.atomic():
    for entry_pk, headline in headlines.items():
        Entry.objects.filter(pk=entry_pk).update(headline=headline)