Python django模型中连接数据的性能优化

在我的工作中，我的django模型中经常有两个表，例如，必须连接它们以csv的形式返回这些数据。该数据不是通过外键连接的，但它们有一个用于连接它们的标识符。这是因为我们从两个不同的来源导入数据，有时会缺少对应的数据，所以在创建条目时无法连接它

我的问题是：如果您考虑到我经常必须返回这些数据这一事实，那么在性能方面连接这些数据的最佳方式是什么

方法：创建一个新模型，用标识符连接数据（如m2m）或父类，两者都连接到该模型

class OrderInvoiceConnector（models.Model）：
订单\u数据=型号。外键（订单，相关的\u名称=“发票”）
发票\u数据=型号。外键（发票，相关的\u name=“订单”）

方法：创建一个新模型，仅保存csv导出所需的数据。比如：

类连接数据（models.Model）：
发票id=models.CharField（最大长度=255）
国家/地区iso=models.CharField（最大长度=255）
发票日期=models.CharField（最大长度=255）
tax=型号。浮动字段（最大长度=255）
price=models.FloatField（）

我将使用第二种变体，正如您提到的，加入将非常昂贵，并且每天都会产生数据更改。如果您创建一个只读模型，您将在一个表查询中打包用户使用的所有必需数据。您必须使用一些自动化作业填充数据，但在您提到的场景中，这看起来是可以接受的。

下面很难给出正确的答案，但我会尝试对我将要做的事情进行评论，可能会有所帮助，但这取决于几件事。如果用户正在等待CSV文件下载，我可能会选择选项2，但这完全取决于数据更改的频率和生成所需的时间。每天使用少量数据进行几次就可以了。此外，如果用户不能在django项目中自定义此CSV，我会考虑在用户请求之前生成CSV。否则你的第一选择。话虽如此，这取决于很多事情。您能否提供更多关于性能问题的信息？DB连接是否需要几秒钟/分钟/小时。如果用户正在等待此消息？数据多久更改一次？数据每天更改一次。用户将能够从普通网站下载csv，并提供过滤选项（例如：按日期过滤）。每个站点上15万个数据集的连接需要2个小时。我将使用第二个变体，正如您提到的，连接将非常昂贵，并且每天都会产生数据更改。如果您创建一个只读模型，您将在一个表查询中打包用户使用的所有必需数据。您必须使用一些自动化作业填充数据，但在您提到的场景中，这看起来是可以接受的。是的，还有第二种选择。我希望我有足够的订单在过去的2小时内加入。仅供参考，我将实际查看SQLAlchemy正在创建的查询，并尝试找到更好的结构。即使每个表中有数百万行，您也应该获得更好的性能。