Как да филтрирате заявките към базата данни на Flask приложението въз основа на разделяне?

Dec 01, 2025Остави съобщение

Разделянето е мощна техника в управлението на бази данни, която включва разделянето на голяма таблица на по-малки, по-управляеми части, наречени дялове. Когато работите с приложения на Flask, разделянето може значително да подобри производителността на заявките към базата данни чрез намаляване на количеството данни, които трябва да бъдат сканирани. Като доставчик на Filtering Flask разбирам значението на ефективното филтриране на данни и как то може да бъде оптимизирано чрез разделяне. В тази публикация в блога ще споделя някои стратегии за това как да филтрирате заявките към базата данни на приложението Flask въз основа на разделяне.

Разбиране на разделянето на база данни

Преди да се потопите във филтрирането, е изключително важно да разберете основите на разделянето на базата данни. Има различни видове методи за разделяне, включително разделяне на диапазони, разделяне на списъци, разделяне на хеш и съставно разделяне.

Разделянето на диапазони разделя таблица въз основа на диапазон от стойности в определена колона. Например, ако имате таблица с данни за продажбите, можете да я разделите по периоди от време, като месечни или тримесечни. Разделянето на списък ви позволява да посочите списък със стойности за всеки дял. Хеш разделянето разпределя редовете равномерно между дяловете въз основа на хеш функция на определена колона. Композитното разделяне съчетава множество методи за разделяне.

Внедряване на разделяне в приложение на Flask

За да приложите разделяне в приложение на Flask, първо трябва да изберете база данни, която поддържа разделяне, като PostgreSQL, MySQL или Oracle. Всяка база данни има свой собствен синтаксис за създаване на разделени таблици.

Да вземем за пример PostgreSQL. Да предположим, че имате Flask приложение, което управлява голям набор от данни от регистрационни файлове за потребителска активност. Можете да създадете разделена таблица въз основа на датата на дейността.

от flask import Flask от flask_sqlalchemy import SQLAlchemy app = Flask(__name__) app.config['SQLALCHEMY_DATABASE_URI'] = 'postgresql://user:password@localhost/mydb' db = SQLAlchemy(app) # Дефиниране на базовия модел за класа на разделена таблица ActivityLog(db.Model): __abstract__ = True id = db.Column(db.Integer, primary_key=True) user_id = db.Column(db.Integer) activity_date = db.Column(db.Date) activity_type = db.Column(db.String(50)) # Дефиниране на класа родителска таблица ActivityLogParent(ActivityLog): __tablename__ = 'activity_log' __table_args__ = ( db.PrimaryKeyConstraint('id'), db.CheckConstraint("activity_date >= '2023-01-01'"), { 'postgresql_partition_by': 'RANGE (activity_date)' } ) # Дефинирайте дял за конкретен клас от диапазон от дати ActivityLog2023Q1(ActivityLog): __tablename__ = 'activity_log_2023_q1' __table_args__ = ( db.PrimaryKeyConstraint('id'), db.CheckConstraint("activity_date >= '2023-01-01' AND activity_date < '2023-04-01'"), { 'postgresql_partition_of': 'activity_log' } )

В този пример създадохме разделена таблицадневник_за активноствъз основа надата_на_активностколона. Главната таблица има стратегия за разделяне на обхват и сме дефинирали дял за първото тримесечие на 2023 г.

Филтриране на заявки въз основа на разделяне

След като имате разделена таблица, можете да оптимизирате вашите заявки към базата данни чрез филтриране въз основа на ключа на дяла. По този начин базата данни трябва да сканира само съответните дялове вместо цялата таблица.

from datetime import date # Запитване за дейности през първото тримесечие на 2023 г. start_date = date(2023, 1, 1) end_date = date(2023, 4, 1) activities = ActivityLogParent.query.filter( ActivityLogParent.activity_date >= start_date, ActivityLogParent.activity_date < end_date ).all()

В тази заявка базата данни ще сканира самоактивност_дневник_2023_q1дял, защото условията на филтъра съответстват на диапазона на дяла. Това може да доведе до значителни подобрения на производителността, особено за големи масиви от данни.

Използване на индекси върху разделени таблици

В допълнение към филтрирането въз основа на ключа на дяла, можете също да използвате индекси за допълнително оптимизиране на вашите заявки. Индексите могат да ускорят процеса на търсене във всеки дял.

# Създайте индекс на колоната user_id в класа на разделената таблица ActivityLogParent(ActivityLog): __tablename__ = 'activity_log' __table_args__ = ( db.PrimaryKeyConstraint('id'), db.CheckConstraint("activity_date >= '2023-01-01'"), db.Index('idx_activity_log_user_id', 'user_id'), { 'postgresql_partition_by': 'RANGE (activity_date)' } )

Чрез създаване на индекс наuser_idможете бързо да намерите дейности, свързани с конкретен потребител в съответните дялове.

Предимства на филтриране въз основа на разделяне

Филтрирането на заявки за база данни въз основа на разделяне предлага няколко предимства:

  1. Подобрена производителност: Както споменахме по-рано, разделянето намалява количеството данни, които трябва да бъдат сканирани, което води до по-бързо време за изпълнение на заявката.
  2. По-лесно управление на данни: Разделянето улеснява управлението на големи набори от данни, като ви позволява да извършвате операции като архивиране или изтриване на стари данни на отделни дялове.
  3. Мащабируемост: Разделените таблици могат да обработват по-големи обеми от данни по-ефективно, правейки вашето Flask приложение по-мащабируемо.

Нашите продукти за филтриращи колби

Като доставчик на филтриращи колби, ние предлагаме широка гама от висококачествени филтриращи колби за лабораторна употреба. НашитеЛабораторни стъклени ерленмайерови филтриращи колби с конична форма с горна тубулацияса предназначени да осигурят ефективна филтрация. Тези колби са изработени от висококачествено стъкло, гарантиращо издръжливост и химическа устойчивост.

Laboratory Glass Conical Shape Erlenmeyer Filtering Flasks With Upper TubulationLaboratory Filtering Flask

Ние също имамеЛабораторни прозрачни стъклени филтриращи колби с горна тръба. Тези колби са идеални за приложения, където видимостта на процеса на филтриране е важна.

Свържете се с нас за поръчки

Ако се интересувате от нашите колби за филтриране или имате някакви въпроси относно разделянето и филтрирането на заявки за база данни във вашето приложение Flask, ние сме тук, за да ви помогнем. Независимо дали сте малка изследователска лаборатория или голямо промишлено съоръжение, ние можем да предоставим правилните решения за вашите нужди. Свържете се с нас, за да започнем дискусия за обществена поръчка и да разберем как можем да подкрепим вашите проекти.

Референции

  • PostgreSQL документация за разделяне
  • MySQL документация за разделяне
  • Ръководство за разделяне на бази данни на Oracle
  • Колба - Документация на SQLAlchemy