J
Job и VorstandSize: a a a
2020 October 21
J
DT
модели
DT
default='' убери потом, но к делу это не относитсяAI
Всем привет, нужен совет
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
По итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
data = {}
for category in Category.objects.all():
courses = cls.get_public_qs().filter(category=category, **qs_kwargs).order_by(sorting)[:max_values]
data[category] = coursesПо итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
DT
Всем привет, нужен совет
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
По итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
data = {}
for category in Category.objects.all():
courses = cls.get_public_qs().filter(category=category, **qs_kwargs).order_by(sorting)[:max_values]
data[category] = coursesПо итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
использовать в качестве структуры категорий mptt дерево (основанное на модели nested sets)
S
Какую ещё выборку?
У тебя написано: удалить из таблицы строки где mapping_id входит в ВЫБРАТЬ(select) из таблицы(тойже) где парентИд=PARENT_ID и чилдИд=CHILD_ID, вообще видимо запрос построен автоматом и неграмотно походу 🤔
AI
использовать в качестве структуры категорий mptt дерево (основанное на модели nested sets)
в моем случае категории не могут быть включены одна в другую, так что именно дерево мне вряд ли нужно
AI
или ты предлагаешь не отображать тогда всё сразу?
DT
Всем привет, нужен совет
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
По итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
data = {}
for category in Category.objects.all():
courses = cls.get_public_qs().filter(category=category, **qs_kwargs).order_by(sorting)[:max_values]
data[category] = coursesПо итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
тогда нужно строить индексы
DT
или ты предлагаешь не отображать тогда всё сразу?
ну вообще да, есть пагинация
AI
не, я про то, что в принципе разделить апи-запрос на запросы поменьше
AG
Всем привет, нужен совет
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
По итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
Есть запрос выдачи категорй и продуктов, который возвращает разного рода сортировки - по рейтингу авторов, по рейтингу продуктов, последние обновленные и так далее. Каждая из них подготавливается к выдаче в таком
data = {}
for category in Category.objects.all():
courses = cls.get_public_qs().filter(category=category, **qs_kwargs).order_by(sorting)[:max_values]
data[category] = coursesПо итогу пачка таких работ выливается в 5-7 секунд при нулевой нагрузке.
Как этого избежать?
пробовать строить запрос по другому: от другой модели, с JOIN и тд
AG
не, я про то, что в принципе разделить апи-запрос на запросы поменьше
у тебя же и так много запросов получается. Даже prefetch_related() не прицепил)
NC
а почему не
data = {category: cls.get_public_qs().filter(category=category, **qs_kwargs).order_by(sorting)[:max_values]
for category in Categories.objects.all()} ?)AG
Nikolay Cherniy
а почему не
data = {category: cls.get_public_qs().filter(category=category, **qs_kwargs).order_by(sorting)[:max_values]
for category in Categories.objects.all()} ?)круто, только ничего не понятно)
NC
круто, только ничего не понятно)
хз, мож привык, но мне кажется читается так же как оригинал, а место меньше занимает)
AG
Nikolay Cherniy
хз, мож привык, но мне кажется читается так же как оригинал, а место меньше занимает)
хорошо, что мне не приходится твой код читать 😁
NC
хорошо, что мне не приходится твой код читать 😁
AI
у тебя же и так много запросов получается. Даже prefetch_related() не прицепил)
типа такого?
data = {}
for category in Category.objects.all().prefetch_related('related_courses'):
courses = category.related_courses.get_public_qs().filter(category=category,
**qs_kwargs).order_by(sorting)[:max_values]
data[category] = courses