Django 批处理/批量更新或创建？

Question

我在数据库中有需要定期更新的数据。数据源会返回当时可用的所有内容，因此将包括数据库中尚未包含的新数据。

当我遍历源数据时，如果可能的话，我不想进行 1000 次单独的写入。

有没有像update_or_create这样但批量工作的东西？

一种想法是将update_or_create 与手动事务结合使用，但我不确定这是否只是将单个写入排队，或者是否会将它们全部组合到一个 SQL 插入中？

或者类似地可以在循环内使用update_or_create 的函数上使用@commit_on_success()？

除了翻译数据并将其保存到模型之外，我没有对数据做任何事情。没有任何东西依赖于循环期间存在的模型

Answer 1

批量更新将是一个 upsert 命令，就像@imposeren 所说，Postgres 9.5 为您提供了这种能力。我认为 Mysql 5.7 也可以（请参阅http://dev.mysql.com/doc/refman/5.7/en/insert-on-duplicate.html），具体取决于您的具体需求。也就是说，只使用 db 游标可能是最简单的。这没什么错，当 ORM 不够用时，它就在那里。

这些方面的东西应该可以工作。这是伪代码，所以不要只是剪切-粘贴，但这个概念是为你准备的。

class GroupByChunk(object):
    def __init__(self, size):
        self.count = 0
        self.size = size
        self.toggle = False

    def __call__(self, *args, **kwargs):
        if self.count >= self.size:  # Allows for size 0
            self.toggle = not self.toggle
            self.count = 0
        self.count += 1
        return self.toggle

def batch_update(db_results, upsert_sql):
    with transaction.atomic():
        cursor = connection.cursor()   
        for chunk in itertools.groupby(db_results, GroupByChunk(size=1000)):
            cursor.execute_many(upsert_sql, chunk)

这里的假设是：

• db_results 是某种结果迭代器，在列表或字典中
• db_results 的结果可以直接输入到原始 sql exec 语句中
• 如果任何批量更新失败，您将全部回滚。如果你想为每个块移动它，只需将 with 块向下推一点

Answer 2

由于 Django 添加了对 bulk_update 的支持，现在这在一定程度上是可能的，尽管您需要每批执行 3 次数据库调用（一次获取、一次批量创建和一次批量更新）。在这里为通用功能创建一个良好的接口有点挑战性，因为您希望该功能既支持高效查询又支持更新。这是我为批量 update_or_create 设计的一种方法，在该方法中，您有许多通用标识键（可能为空）和一个标识键，该键因批次而异。

这是作为基础模型上的方法实现的，但可以独立使用。这也假设基础模型在名为updated_on 的模型上具有auto_now 时间戳；如果不是这种情况，则假定此情况的代码行已被注释以便于修改。

为了批量使用它，在调用它之前将你的更新分批。这也是一种绕过数据的方法，这些数据可能具有少量的辅助标识符值之一，而无需更改接口。

class BaseModel(models.Model):
    updated_on = models.DateTimeField(auto_now=True)
    
    @classmethod
    def bulk_update_or_create(cls, common_keys, unique_key_name, unique_key_to_defaults):
        """
        common_keys: {field_name: field_value}
        unique_key_name: field_name
        unique_key_to_defaults: {field_value: {field_name: field_value}}
        
        ex. Event.bulk_update_or_create(
            {"organization": organization}, "external_id", {1234: {"started": True}}
        )
        """
        with transaction.atomic():
            filter_kwargs = dict(common_keys)
            filter_kwargs[f"{unique_key_name}__in"] = unique_key_to_defaults.keys()
            existing_objs = {
                getattr(obj, unique_key_name): obj
                for obj in cls.objects.filter(**filter_kwargs).select_for_update()
            }
            
            create_data = {
                k: v for k, v in unique_key_to_defaults.items() if k not in existing_objs
            }
            for unique_key_value, obj in create_data.items():
                obj[unique_key_name] = unique_key_value
                obj.update(common_keys)
            creates = [cls(**obj_data) for obj_data in create_data.values()]
            if creates:
                cls.objects.bulk_create(creates)

            # This set should contain the name of the `auto_now` field of the model
            update_fields = {"updated_on"}
            updates = []
            for key, obj in existing_objs.items():
                obj.update(unique_key_to_defaults[key], save=False)
                update_fields.update(unique_key_to_defaults[key].keys())
                updates.append(obj)
            if existing_objs:
                cls.objects.bulk_update(updates, update_fields)
        return len(creates), len(updates)

    def update(self, update_dict=None, save=True, **kwargs):
        """ Helper method to update objects """
        if not update_dict:
            update_dict = kwargs
        # This set should contain the name of the `auto_now` field of the model
        update_fields = {"updated_on"}
        for k, v in update_dict.items():
            setattr(self, k, v)
            update_fields.add(k)
        if save:
            self.save(update_fields=update_fields)

示例用法：

class Event(BaseModel):
    organization = models.ForeignKey(Organization)
    external_id = models.IntegerField()
    started = models.BooleanField()


organization = Organization.objects.get(...)
updates_by_external_id = {
    1234: {"started": True},
    2345: {"started": True},
    3456: {"started": False},
}
Event.bulk_update_or_create(
    {"organization": organization}, "external_id", updates_by_external_id
)