国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

一次使用 SQLAlchemy 實(shí)現(xiàn)分類以及計(jì)數(shù)的業(yè)務(wù)過程

airborne007 / 1917人閱讀

摘要:在編寫業(yè)務(wù)邏輯代碼的時(shí)候我不幸遇到下面的表結(jié)構(gòu)已經(jīng)將主要邏輯抽離出來了分類分類名稱產(chǎn)品產(chǎn)品名稱分類現(xiàn)在需要實(shí)現(xiàn)的業(yè)務(wù)是返回分類的列表結(jié)果分類這是一個(gè)一對(duì)多的模型一般的笨拙思路就是明眼人一看就知道可以把換成但是根據(jù)這篇文章似乎這樣寫會(huì)有更好的

在編寫業(yè)務(wù)邏輯代碼的時(shí)候, 我不幸遇到下面的表結(jié)構(gòu)(已經(jīng)將主要邏輯抽離出來了):

class Category(Model):
    __tablename__ = "category"
    # 分類ID
    id = Column(Integer, primary_key=True, autoincrement=True)
    # 分類名稱
    name = Column(String(length=255))
    
class Product(Model):
    __tablename__ = "product"
    # 產(chǎn)品 ID
    id = Column(Integer, primary_key=True, autoincrement=True)
    # 產(chǎn)品名稱
    name = Column(String(length=255))
    # 分類 ID
    category_id = Column(Integer)

現(xiàn)在需要實(shí)現(xiàn)的業(yè)務(wù)是返回分類的列表結(jié)果:

[
    {
        "id": 1,
        "name": "分類1",
        "product_count": 1
    },
    ...
]

這是一個(gè)一對(duì)多的模型.
一般的笨拙思路就是:

data = []
categorys = Category.query.all()
for category in categorys:
    product_count = len(Product.query.filter(Product.category_id == category.id).all())
    data.append({
        "id": category.id,
        "name": category.name,
        "product_count": product_count
    })

明眼人一看就知道可以把len(Product.query.filter(Product.category_id == category.id).all())換成:

product_count = Product.query.filter(Product.category_id == category.id).count()

但是, 根據(jù)這篇文章:[Why is SQLAlchemy count() much slower than the raw query?
](https://stackoverflow.com/que... 似乎這樣寫會(huì)有更好的性能:

from sqlalchemy import func
session.query(func.count(Product.id)).filter(Product.category_id == category.id).scalar()

但是, 稍微有點(diǎn)經(jīng)驗(yàn)的人就會(huì)對(duì)上面的寫法嗤之以鼻, 因?yàn)?b>product_count是放在for category in categorys:里面的, 這意味著如果categorys有成千上萬個(gè), 就要發(fā)出成千上萬個(gè)session.query(), 而數(shù)據(jù)庫請求是在網(wǎng)絡(luò)上的消耗, 請求時(shí)間相對(duì)較長, 有的數(shù)據(jù)庫沒有處理好連接池, 建立連接和斷開連接又是一筆巨大的開銷, 所以 query 的請求應(yīng)該越少越好. 像上面這樣把 query 放到 for 循環(huán)中顯然是不明智的選擇.
于是有了下面一個(gè)請求的版本:

result = db.session.query(Product, Category) 
    .filter(Product.category_id == Category.id)
    .order_by(Category.id).all()
id_list = []
data = []
for product, category in result:
    if category and product:
        if category.id not in id_list:
            id_list.append(category.id)
            data.append({
                "id": category.id,
                "name": category.name,
                "product_count": 0
            })
        idx = id_list.index(category.id)
        data[idx]["product_count"] += 1  

這樣的寫法十分難看, 而且同樣沒有合理利用 SQLAlchemy 的 count 函數(shù). 于是改成:

product_count = func.count(Product.id).label("count")
results = session.query(Category, product_count) 
    .join(Product, Product.category_id == Category.id) 
    .group_by(Category).all()
data = [
    {
        "id": category.id,
        "name": category.name,
        "product_count": porduct_count
    } for category, product_count in results]

不過這里還有一個(gè)問題, 就是如果先添加一個(gè)Category, 而屬于這個(gè)Category下沒有Product, 那么這個(gè)Category就不會(huì)出現(xiàn)在data里面, 所以join必須改成outerjoin. 即:

results = session.query(Category, product_count) 
    .outerjoin(Product, Product.category_id == Category.id) 
    .group_by(Category).all()

需求又來了!!!
現(xiàn)在考慮設(shè)計(jì)Product為偽刪除模式, 即添加一個(gè)is_deleted屬性判斷Product是否被刪除.
那么count函數(shù)就不能簡單地count(Product.id), 而是要同時(shí)判斷Product.is_deleted是否為真和Product是否為None, 經(jīng)過悉心研究, 發(fā)現(xiàn)使用func.nullif可以實(shí)現(xiàn)這個(gè)需求,即用下面的寫法:

product_count = func.count(func.nullif(Product.is_deleted.is_(False), False)).label("count")
results = session.query(Category, product_count) 
    .join(Product, Product.category_id == Category.id) 
    .group_by(Category).all()
data = [
    {
        "id": category.id,
        "name": category.name,
        "product_count": porduct_count
    } for category, product_count in results]

可見使用 ORM 有的時(shí)候還是需要考慮很多東西.

文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/41775.html

相關(guān)文章

  • scrapy爬蟲使用總結(jié)——技巧和天坑

    摘要:簡介爬蟲這個(gè)東西我就不多做介紹了,總之是一個(gè)很好用的爬蟲庫,且關(guān)于也有較多的教程。這篇文章記錄一下我個(gè)人的項(xiàng)目規(guī)劃和天坑心得。然后執(zhí)行就會(huì)自動(dòng)去爬數(shù)據(jù)了。常用配置這里要結(jié)合一些原因來進(jìn)行說明。 簡介 scrapy爬蟲這個(gè)東西我就不多做介紹了,總之是一個(gè)很好用的Python爬蟲庫,且關(guān)于scrapy也有較多的教程。這篇文章記錄一下我個(gè)人的項(xiàng)目規(guī)劃和天坑心得。 通常來說,我們執(zhí)行了scra...

    vvpvvp 評(píng)論0 收藏0
  • 一次tornado QPS 優(yōu)化

    摘要:初步分析提升可從兩方面入手,一個(gè)是增加并發(fā)數(shù),其二是減少平均響應(yīng)時(shí)間。大部分的時(shí)間花在系統(tǒng)與數(shù)據(jù)庫的交互上,到這,便有了一個(gè)優(yōu)化的主題思路最大限度的降低平均響應(yīng)時(shí)間。不要輕易否定一項(xiàng)公認(rèn)的技術(shù)真理,要拿數(shù)據(jù)說話。 本文最早發(fā)表于個(gè)人博客:PylixmWiki 應(yīng)項(xiàng)目的需求,我們使用tornado開發(fā)了一個(gè)api系統(tǒng),系統(tǒng)開發(fā)完后,在8核16G的虛機(jī)上經(jīng)過壓測qps只有200+。與我們當(dāng)...

    Doyle 評(píng)論0 收藏0
  • 軟件測試基礎(chǔ)——非功能測試入門

    摘要:可靠性測試或稱穩(wěn)定性測試,健壯性測試。分析診斷和調(diào)節(jié)階段主要測量系統(tǒng)性能并使負(fù)載測試進(jìn)入下一級(jí)別,重點(diǎn)查找問題原因以幫助開發(fā)工程師迅速解決問題,并實(shí)時(shí)調(diào)節(jié)系統(tǒng)參數(shù)以提高性能。 ...

    Zachary 評(píng)論0 收藏0
  • [原]解密Airbnb 自助BI神器:Superset 顛覆 Tableau

    摘要:概述我非常認(rèn)同前百度數(shù)據(jù)工程師現(xiàn)神策分析創(chuàng)始人桑老師最近談到的數(shù)據(jù)分析三重境界統(tǒng)計(jì)計(jì)數(shù)多維分析機(jī)器學(xué)習(xí)數(shù)據(jù)分析的統(tǒng)計(jì)計(jì)數(shù)和多維分析,我們通常稱之為數(shù)據(jù)探索式分析,這個(gè)步驟旨在了解數(shù)據(jù)的特性,有助于我們進(jìn)一步挖掘數(shù)據(jù)的價(jià)值。 showImg(https://camo.githubusercontent.com/f98421e503a81176b003ddd310d97e1e1214625...

    Keagan 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<