การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว
หลีกเลี่ยงคำค้น N+1 ขณะสำรวจความสัมพันธ์
การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว เป็นบทเรียน Flask Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Flask Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Flask Academy มีบทเรียนทั้งหมด 4 บทเรียน
ค้นหาข้ามตาราง
บางครั้งคุณต้องกรองตารางแม่โดยใช้ข้อมูลของตารางลูก join ช่วยให้คำค้นหาเดียวทำงานครอบคลุมตารางที่เกี่ยวข้องกันสองตารางได้พร้อมกัน 🔀
เขียน join
เรียก join() บนคำค้นหาเพื่อดึงแบบจำลองที่เกี่ยวข้องเข้ามา จากนั้นกรองข้อมูลจากฝั่งใดฝั่งหนึ่งได้ในคำค้นหารวมเดียว
q = User.query.join(Post).filter(Post.title == "Hi")กรองบนตารางที่ join แล้ว
หลังจากทำ join แล้ว คุณสามารถใช้เงื่อนไขกับแบบจำลองอีกฝั่งได้ จึงค้นหาตารางแม่จากข้อมูลที่ตารางลูกมีอยู่ได้
active = User.query.join(Post).filter(Post.public).all()การโหลดแบบขี้เกียจเป็นค่าเริ่มต้น
โดยค่าเริ่มต้น relationship จะโหลดแบบ lazy กล่าวคือข้อมูลลูกจะถูกโหลดเมื่อคุณเข้าถึงแอตทริบิวต์นั้นจริง ๆ เท่านั้น
user = User.query.first()
user.postsปัญหา N+1
การวนซ้ำตารางแม่และอ่านข้อมูลลูกแบบ lazy จะส่งคำค้นหาหนึ่งครั้งต่อตารางแม่หนึ่งรายการ รูปแบบ N+1 นี้ทำให้ประสิทธิภาพแย่ลงอย่างเงียบ ๆ 😬
for u in User.query.all():
print(len(u.posts))การโหลดล่วงหน้าช่วยแก้ปัญหา
eager loading จะดึงแถวที่เกี่ยวข้องมาไว้ล่วงหน้า ทำให้โหลดกราฟข้อมูลทั้งหมดได้ด้วยคำค้นหาเพียงหนึ่งหรือสองครั้ง
joinedload ในคำค้นหาเดียว
ใช้ joinedload เพื่อดึงตารางแม่และตารางลูกมาพร้อมกันด้วย SQL join เดียว
from sqlalchemy.orm import joinedload
User.query.options(joinedload(User.posts)).all()selectinload สำหรับกลุ่มข้อมูล
selectinload จะโหลดข้อมูลลูกด้วยคำค้นหาแบบรวมชุดเป็นครั้งที่สอง ซึ่งมักรองรับรายการแบบหนึ่งต่อหลายได้ดีกว่า
from sqlalchemy.orm import selectinload
User.query.options(selectinload(User.posts)).all()กำหนดกลยุทธ์ในแบบจำลอง
คุณยังเลือกค่าเริ่มต้นได้ด้วยตัวเลือก lazy ของ relationship เช่น select, joined หรือ selectin
posts = db.relationship("Post", lazy="selectin")join ไม่ได้โหลดล่วงหน้า
join แบบปกติใช้กรองข้อมูลข้ามตาราง แต่ไม่ได้โหลด relationship ไว้ล่วงหน้า หากต้องการเช่นนั้น คุณยังต้องเพิ่มตัวเลือกการโหลดล่วงหน้า
เลือกวิธีโหลดอย่างเหมาะสม
Lazy เหมาะสำหรับแถวเดียว แต่ควรใช้ eager loading เมื่อคุณวนซ้ำตารางแม่หลายรายการและอ่านข้อมูลลูกของแต่ละรายการ
ตรวจสอบอย่างรวดเร็ว
คุณวนซ้ำผู้ใช้ 100 คนและอ่านโพสต์ของผู้ใช้แต่ละคน การโหลดแบบ lazy อาจทำให้เกิดปัญหาใด
สรุป: Join และการโหลดข้อมูล
ตอนนี้คุณสามารถ join ตาราง ตรวจพบปัญหา N+1 และแก้ไขด้วย joinedload หรือ selectinload ได้แล้ว การอ่านข้อมูลเชิงสัมพันธ์อย่างมีประสิทธิภาพเสร็จเรียบร้อย 🏁
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Flask Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Flask Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว”
หลีกเลี่ยงคำค้น N+1 ขณะสำรวจความสัมพันธ์ คุณปฏิบัติ Flask Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Flask Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Flask Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Flask Academy นี้ได้ไหม
ได้ บทเรียน Flask Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ดึงแถวด้วย query และ get
- กรอง เรียงลำดับ และจำกัดผลลัพธ์
- กำหนดความสัมพันธ์และคีย์ต่างประเทศ
- การรวมข้อมูลและการโหลดแบบช้ากับแบบเร็ว