在Django中如何在不停机的情况下创建索引
更多内容请点击 我的博客 查看,欢迎来访。
文章目录
原文by Haki Benita 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:
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:
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:
# 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
$ 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:
# 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:
$ 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
$ 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:
# 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:
$ 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:
$ 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。
$ 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:
$ rm app/migrations/0002_add_index_fake.py
确保做的都是正确的,可以检查迁移
$ 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:
$ 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:
# 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:
$ 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:
$ 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
$ rm app/migrations/0003_leftover_migration.py
接下来,列出app应用程序的迁移:
$ 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:
$ 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:
# 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:
$ 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:
$ 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。
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:
$ 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:
# 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:
$ 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:
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:
# 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:
-
state_operations
是应用于内部模型状态的操作,它们不会影响数据库。 -
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:
$ 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。
# 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:
$ 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
$ 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
# 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
# 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";
"""),
],
),
],