哪一个尺度更好？ORM'；s distinct（）或python set（）

新年快乐

我有一个模型，可以保存几十万条记录。模型如下所示：

class Transaction(models.Model):
    user = models.ForeignKey(User)
    client = models.ForeignKey(Client)
    amount = models.FloatField()

我想知道某个用户正在处理的所有客户。要获得唯一的客户端ID，我可以单独使用Django ORM：

Transaction.objects.filter(user=the_user).distinct('client_id').values_list('client_id', flat=True)

或执行以下操作：

set(Transaction.objects.filter(user=the_user).values_list('client_id', flat=True))

两者将产生相同的结果。但是考虑到大量的记录，哪一个会更快呢？我知道

distinct

在数据库上是一个相对较慢的操作，但它与python的

set（）

相比如何呢

---

最后，如果涉及到数据库，我的选择是MySql和PostgreSql用于生产。对于这个特定的操作，它们之间有什么区别吗？

我通常使用orm函数，它更具可读性，并且在数据库级别上运行，您的RDBMS也会计算不同的值，您只需一步就可以得到结果

您可以使用python集实现同样的功能，但首先需要使用所有数据集，然后应用set（）。因此，您必须执行两步操作才能执行相同的操作

---

在第一种情况下（orm），您只有I/O开销，在第二种情况下，您有I/O开销+函数调用，因此我将使用orm的distinct。

我希望您实际上没有使用浮点数来存储货币金额。好吧，假设我使用十进制，这只是一个简单的示例！）我希望

.distinct

依赖于RDBMS的实现，RDBMS的唯一性可能比Python的

set

快得多。一个更好的问题是：“我已经使用timeit测量了计时，并得到了以下结果：等等，等等，等等。既然我在bluh看到了那样的错误，为什么等等比等等快呢？”作为一个模板示例。我有点不安，因为您认为数据库上的DISTINCT比Python上的要慢。这是一个普遍的信念吗？人们对此有什么理由吗？我什么都不相信，事实上我不知道，这就是为什么我一开始就这么问的原因！我读到distinct是一个相对缓慢的操作，我想让人们告诉我这一点，我不认为这会打扰到别人。更重要的是，在第二种情况下，您需要将更多数据从DB传输到Python，这会增加I/O开销。当然，这样做的好处是数据库可以省去一些工作，但希望DB的

distinct

功能与Python的

set

一样高效，或者比Python的

set

更高效。有趣的是，内存权衡是一个重要因素，因为RDBMS无论如何都会加载所有记录。我会选择distinct，如果有时间，我可能会做一个适当的基准测试。谢谢大家!！