建议在Django应用中使用python和SQL来处理数据

Question

背景：

我正在为业务应用程序开发Django应用程序，该应用程序接收客户数据并在仪表板上显示图表。我有一个大型数据库，其中包含原始信息，例如按客户分类的零件销售信息，我将用它来填充分析。过去，我可以将python与pandas，xlsxwriter等配合使用来很好地做到这一点，现在我正在复制此Web应用程序中过去所做的事情。我使用PostgreSQL数据库存储数据，然后使用Django构建可视化应用程序和Fusioncharts。为了使信息进入Postgres，我将python脚本与sqlalchemy一起使用，这做得很好。

问题：有两种方法可以操纵将填充图表的数据。1）我可以使用将数据导出到postgres的相同脚本，在导出之前按照自己喜欢的方式排列数据。例如，在某些情况下，我需要按某个参数对数据进行分组（例如按客户），然后按列对分组进行计算。我可以为每个想要的切片执行此操作，然后将每个模型类的不同表导出到postgres。

2）我可以将整个数据库上传到postgres，并稍后使用产生SQL查询的django命令对其进行操作。

我很早就使用python来完成它，因为我已经做了一段时间了。我也理解django的查询很难实现。但是，使用python进行操作将意味着我将需要更多表（因为我将以不同的方式对它们进行分组），并且我不想以我所知道的方式进行操作，因为如果上传单个数据库，它会更容易从长远来看，使用django / SQL查询会更高效。

任何想法或建议，表示赞赏。

Answer 1

好吧，这是性能和灵活性之间通常的权衡。使用第一种方法，您可以获得更好的性能（您的模式只适合要运行的确切查询），但缺乏灵活性（如果您需要添加更多查询，则说明可能不太匹配-甚至根本不匹配），其中这种情况下，您可能必须使用更新的架构（可能是从原始资源中重新填充数据库），而第二种架构（希望）具有规范化的架构，但是会使数据库服务器上的查询变得更加复杂和繁重。现在的问题是：您真的必须选择吗？您还可以同时具有完全规范化的数据和非规范化（预处理）的数据。附带说明：Django ORM实际上确实是大多数“ 80/20”工具-它旨在使80％的简单查询变得超级简单（比说SQLAlchemy容易得多），然后确实变成了PITA的一部分-但没有什么可以强迫您对所有内容使用django的ORM（您可以始终使用原始sql或同时使用SQLAlchemy）。哦，是的：您的问题并不新鲜-您可能需要阅读有关OLAP的信息