Sql server Django模型选择：IntegerField vs CharField

TL；DR：我有一个包含数百万个实例的表，我想知道应该如何为它编制索引

我有一个Django项目，它使用SQL Server作为数据库后端

在生产环境中拥有大约1400万个实例的模型后，我意识到我遇到了性能问题：

class UserEvent(models.Model)

    A_EVENT = 'A'
    B_EVENT = 'B'

    types = (
        (A_EVENT, 'Event A'),
        (B_EVENT, 'Event B')
    )

    event_type = models.CharField(max_length=1, choices=types)

    contract = models.ForeignKey(Contract)

    # field_x = (...)
    # field_y = (...)

UserEvent.objects.filter(event_type=UserEvent.B_EVENT).count()
# elapsed time: 0:00:06.921287

UserEvent.objects.filter(contract_id=62).count()
# elapsed time: 0:00:00.344261

我在这个字段中使用了很多查询，而且效率很低，因为该字段没有索引。仅使用此字段筛选模型几乎需要7秒，而使用索引外键查询不会带来性能问题：

class UserEvent(models.Model)

    A_EVENT = 'A'
    B_EVENT = 'B'

    types = (
        (A_EVENT, 'Event A'),
        (B_EVENT, 'Event B')
    )

    event_type = models.CharField(max_length=1, choices=types)

    contract = models.ForeignKey(Contract)

    # field_x = (...)
    # field_y = (...)

UserEvent.objects.filter(event_type=UserEvent.B_EVENT).count()
# elapsed time: 0:00:06.921287

UserEvent.objects.filter(contract_id=62).count()
# elapsed time: 0:00:00.344261

当我意识到这一点时，我也向自己提出了一个问题：“这个字段不应该是SmallIntegerField吗？因为我只有一小部分选择，基于整数字段的查询比基于text/varchar的查询效率更高。”

所以，据我所知，我有两个选择*：

*我意识到第三个选项可能存在，因为，但是因为我的值有[1%-99%]分布（我正在寻找1%部分），所以索引这个字段似乎是一个有效的选项

• A）只需索引此字段，并将其保留为CharField

  A_EVENT = 'A'
  B_EVENT = 'B'
  
  types = (
      (A_EVENT, 'Event A'),
      (B_EVENT, 'Event B')
  )
  
  event_type = models.CharField(max_length=1, choices=types, db_index=True)
  

• B）执行迁移以将此字段转换为SmallIntegerField（我不希望它是Boolean字段，因为可以向该字段添加更多选项），然后为该字段编制索引

  A_EVENT = 1
  B_EVENT = 2
  
  types = (
      (A_EVENT, 'Event A'),
      (B_EVENT, 'Event B')
  )
  
  event_type = models.SmallIntegerField(choices=types, db_index=True)
  

方案A 优点：简单

缺点：基于整数的索引效率低于基于整数的索引

方案B 优点：基于整数的索引比基于整数的索引更有效

缺点：我必须执行复杂的操作：

架构迁移以创建新的

数据迁移将数百万实例从旧字段复制（和转换）到新字段

更新项目代码以使用新字段，或执行另一个架构迁移以将新字段重命名为上一个字段

删除旧字段

---

总而言之，这里真正的问题是：

将字段迁移到SmallIntegerField所带来的性能改进值得冒险吗？

我倾向于尝试选项A，并检查性能改进是否充分

---

我还向StackOverflow提出了这个问题，因为出现了一个更一般的问题：

• 在Django选项中使用CharFields是否比使用Boolean/Integer/SmallIntegerField更好

之所以出现这种情况，是因为在定义项目模型时，我的灵感来自：

---

既然它们可以使用整数，为什么还要使用字符，因为它只是一个永远不应该显示的值表示形式？计数查询的速度。

UserEvent.objects.filter(event_type=UserEvent.B_EVENT).count()
# elapsed time: 0:00:06.921287

不幸的是，当表有大量条目时，这种性质的查询在数据库中总是很慢

Mysql通过查看索引优化计数查询。因此，如果您使用的是mysql，那么这是使用SmallIntegeField而不是Charfield的一个很好的理由，但显然您不是。您的里程数因其他数据库而异。我不是SQL server方面的专家，但我的理解是它是基于COUNT（*）查询的

分区

通过对数据进行分区，可以提高涉及事件类型的查询的总体性能。因为当前索引的基数很差，所以规划者最好进行一次完整的表扫描。如果数据已分区，则只需扫描该特定分区

Char或Smallint

---

哪个字符（2）或小整数占用更多空间？答案是它取决于你的角色集。如果字符集每个字符只需要一个字节，则小整数和字符（2）将占用相同的空间量。由于该字段的基数将非常低，因此在这种情况下使用char或smallint不会产生任何显著差异。

您遇到性能问题的实际查询将是一个有用的补充。@e4c5我已在问题中添加了查询示例：）我认为它们使用字符是因为可读性。您仍然可以在额外逻辑中使用值表示。如果您有一个测试服务器/db，我建议您尝试一下，看看通过迁移生产是否有任何好处。我认为在使用的存储空间方面不会有太大的差异。我已经更新了我的答案。谢谢你的输入。实际上，我用count查询来证明一个例子。最常见的情况是沿着布尔字段按事件类型进行筛选，以获得实例列表。您和我们已经陷入了一场白费力气的追逐！无法从计数查询判断性能。感谢您的输入。实际上，我用count查询来证明一个例子。最常见的情况是沿布尔字段按事件类型进行筛选，以获得实例列表。我的想法是，索引性能与存储空间无关，而是与数据类型有关。即使一个小的Int占用更多的空间，它不是比Char更有效吗？同时，由于99%的数据没有被应用程序使用，并且我们能够将其存储在该数据库之外，因此我们决定停止存储所有信息，只存储应用程序所需的数据。好的，你是对的，这是一个误导性的示例。对此我深表歉意。但性能问题是实实在在的。我认为关于指数表现和影响的问题是值得的。