Django 调试工具 django-debug-toolbar

1. 关于 Django 的性能

Django 是一个 Python 写的 Web 应用框架。使用 Django ，可以非常简单、高效地开发复杂的数据驱动的网站。同时，Django 非常注重组件的重用性、可插拔、敏捷开发、DRY（Don’t Repeat Yourself）。从一定程度上讲，Django 是一个很适合做业务逻辑实现的应用框架。

笔者曾经利用 Docker 做过一次 Django 的性能测试，得到的结论是在 intel i5-5300 2.3GHz，8GB 内存，SSD 配置的笔记本电脑上，Django 的读取 DB 接口的并发只有 360 次请求/秒。

Django 牺牲性能，降低了学习成本，提高了开发效率。通常，可以在如下几个方面优化 Django 的性能：

数据库。加缓存可能是最直接的方法，还可以优化查询语句
模板。 Django 自带的模板比较慢，可以试试 Mako， Jinja2
Python。升级到 Python 3，利用 Python 3 中的新特性，例如，asyncio

如何找出 Django 的性能瓶颈呢？可以关注如下几个方面：

执行了多少条 SQL 语句
有多少时间花费在数据库上
执行了什么特殊的查询操作，每次查询花费多长时间
这些查询是有什么代码生成的
渲染页面都用到了哪些模板
冷/热缓存是如果影响性能的

绝大部分的性能瓶颈是数据库部分，下面介绍 Django 的性能检测工具 django-debug-tools ，一个非常强大的 Django 性能检测工具。

2.1 安装

`1`	`pip install django-debug-toolbar`

2.2 配置

settings.py

INSTALLED_APPS = [
    # ...
    'django.contrib.staticfiles',
    # ...
    'debug_toolbar',
]
MIDDLEWARE = [
    # ...
    'debug_toolbar.middleware.DebugToolbarMiddleware',
    # ...
]

如果配置完，并没有显示 Panel ，那么你需要的是下面这个配置

1
2
3

DEBUG_TOOLBAR_CONFIG = {
    "SHOW_TOOLBAR_CALLBACK": lambda request: DEBUG,
}

url.py
```python
from django.conf import settings
from django.conf.urls import include, url

if settings.DEBUG:
    import debug_toolbar
    urlpatterns = [
        url(r'^__debug__/', include(debug_toolbar.urls)),
    ] + urlpatterns

2.3 使用

重新启动 Django 工程，在页面右侧即可看到 Panel，提供各种参数的 Panel ，点击查看。

3. django-debug-panel

django-debug-toolbar 是一个不错的 Django 性能检测工具，但是 django-debug-toolbar 不能处理 Ajax 和非 HTML 请求。django-debug-panel 在 django-debug-toolbar 的基础上，提供了更好的单页面应用和 Ajax 请求的支持。

3.1 安装

`1`	`pip install django-debug-panel`

3.2 配置

首先，安装配置 django-debug-toolbar。

settings.py

INSTALLED_APPS = (
    # ...
    'debug_panel',
)

使用 panel 的中间件，替换 toolbar 的中间件。

middlewares.py

MIDDLEWARE_CLASSES = (
    ...
    # 'debug_toolbar.middleware.DebugToolbarMiddleware',
    'debug_panel.middleware.DebugPanelMiddleware',
    ...
)

安装 Chrome 插件 Django Debug Panel

3.3 使用

重启 Django 工程和 Chrome 调试面板。刷新页面，即可看到每个接口，对应的 SQL 等相关信息。

4. 第三方的 Panel

django-debug-toolbar 还拥有一些第三方的 Panel，可以非常方便的与其他 Python 性能检测工具集成使用。

4.1 Line Profiler

debug_toolbar_line_profiler.panel.ProfilingPanel

Line Profiler 可以对函数进行逐行分析，主要用于 CPU 密集型性能检测。

4.2. Pympler

pympler.panels.MemoryPanel

Pympler 是一个用来查看，监控 Python 对象内存的一个开发工具。

推荐订阅源

陈少文的网站