0

您好，我创建了一个函数，该函数将根据帖子的创建时间和投票数排名来返回帖子。这是一个饲料。我不确定这是否是一种有效的方法，并且我做对很重要，因为这可能会筛选数千个帖子。我在这里简化了一些，并简要解释了每个步骤。我目前关注的问题和整个函数（没有注释）的帖子都在后面。

开始时间参数是多少小时前获得帖子。例如，如果 startHours=6，则只会返回 6 小时前创建的帖子。

def rank(request, startHours):

首先，我按投票顺序排列所有帖子

    unorderedPosts=Post.objects.order_by('-votes')

然后帖子被用户指定的类别排除

    if request.user.is_authenticated(): 
        preferences=request.user.categorypreference_set.filter(on=False)
        for preference in preferences:
                unorderedPosts=unorderedPosts.exclude(category_name=preference.category_name)

然后我做 endHours，它总是比 startHours 参数提前 4 小时

    endHours=startHours+4         #4 hour time window

现在，我对 unorderedPosts 进行切片，并仅获取从现在开始在 startHours 到 endHours 的时间窗口中创建的那些。例如，如果 startHours=4，则仅返回 4 小时前但 8 小时前创建的帖子。

    posts=unorderedPosts.filter(created__gte=(timezone.now()-datetime.timedelta(hours=endHours)))

    posts=posts.exclude(created__gte=(timezone.now()-datetime.timedelta(hours=startHours)))

现在我创建一个循环，将时间窗口向后移动，直到找到至少一个帖子的创建日期适合时间窗口。我设置了检查变量以防止无限循环（如果在 200 小时内未找到任何帖子，则循环将退出）。

    count=posts.count()
    check=endHours
    while count<1 and endHours<(check+200):
        endHours+=4
        startHours+=4
        posts=unorderedPosts.filter(created__gte=(timezone.now()-datetime.timedelta(hours=endHours)))
        posts=posts.exclude(created__gte=(timezone.now()-datetime.timedelta(hours=startHours)))
        count=posts.count()
        if count>=1: return posts, endHours

    return posts

我最关心的是在一开始就对所有帖子进行查询集。此功能旨在在小时间窗口内返回帖子，是否会通过对数据库中的所有帖子进行排名而不必要地减慢速度？我知道 django/python 查询集非常有效，但是对于包含数千个对象的集合进行排序对于这个函数来说不会很麻烦吗？

如果这是一个问题，我怎样才能在保持一切可访问的同时提高效率？

这是整个事情的帖子。

def rank(request, startHours): 

    unorderedPosts=Post.objects.order_by('-upVote')

    if request.user.is_authenticated(): 
        preferences=request.user.categorypreference_set.filter(on=False)
        for preference in preferences: #filter by category preference
                unorderedPosts=unorderedPosts.exclude(category_name=preference.category_name)


    endHours=startHours+4     #4 hour time window

    posts=unorderedPosts.filter(created__gte=(timezone.now()-datetime.timedelta(hours=endHours)))

    posts=posts.exclude(created__gte=(timezone.now()-datetime.timedelta(hours=startHours)))

    count=posts.count()
    check=endHours

    while count<1 and endHours<(check+200):
        endHours+=4
        startHours+=4
        posts=unorderedPosts.filter(created__gte=(timezone.now()-datetime.timedelta(hours=endHours)))
        posts=posts.exclude(created__gte=(timezone.now()-datetime.timedelta(hours=startHours)))
        count=posts.count()
        if count>=1: return posts

   return posts
4

1 回答 1

1

您主要关心的不是您需要担心的事情。检查有关评估查询集时的文档-您可以无限期地定义和添加子句到查询集，并且它实际上不会针对数据库运行，直到您调用实际需要访问数据库的内容。

需要多个查询的是迭代时间，直到您点击一个有帖子的窗口。如果您created在一次通话中检查最新时间，使用它来计算您的窗口，然后根据该时间限制帖子，然后按票数排序，您将获得更好的性能。

就像是：

unorderedPosts = Post.objects.all()
if request.user.is_authenticated(): 
    preferences=request.user.categorypreference_set.filter(on=False)
    for preference in preferences: #filter by category preference
        unorderedPosts=unorderedPosts.exclude(category_name=preference.category_name)
latest_post_datetime = unorderedPosts.aggregate(Max('created'))['created__max']

original_start_time = datetime.datetime.now() - datetime.timedelta(hours=startHours)    
latest_post_day_start_time = datetime.datetime.combine(latest_post_datetime.date(), original_start_time.time())
# a timedelta guaranteed to be less than 24 hours
time_shift = latest_post_day_start_time - latest_post_datetime
timewindow = datetime.timedelta(hours=4)
if time_shift.days >= 0:
    extra_windows_needed = time_shift.seconds / timewindow.seconds 
else:
    # negative timedeltas store negative days, then positive seconds; negate
    extra_windows_needed = -(abs(time_shift).seconds) / timewindow.seconds
start_time = latest_post_day_start_time - (timewindow * (extra_windows_needed + 1))
posts = unorderedPosts.filter(created__gte=start_time).order_by('-upVote')
return posts

只要您在窗口 (4) 中的小时数均匀地划分为一天，这里的数学计算就是正确的 - 否则计算正确的偏移量会变得更加棘手。基本上，您需要采用时间偏移模式时间窗口长度，并且我正在利用这样一个事实，即如果您最终在同一个日历日结束，我知道天数模式四个小时部分有效。

此外，它不包括结束时间，因为您的原始逻辑不会在初始startHours期间强制执行。如果其中没有任何内容，它只会将开始时间移出，因此您不必担心出现得太近的东西。

此版本最多进行三个数据库查询 - 一个获取登录用户的类别首选项，一个获取latest_post_datetime，一个获取posts，确信至少有一个匹配的帖子。

您还可以考虑进行分析以查看您的数据库后端是否更好地使用子查询来排除不需要的类别：

if request.user.is_authenticated():
    unorderedPosts = unorderedPosts.exclude(category_name__in=request.user.categorypreference_set.filter(on=False).values_list('category_name')

正如__in 查找文档所指出的，此处的性能因不同的数据库后端而异。

于 2013-07-10T22:43:26.787 回答