#计算7天内销量，并把每件商品的不同尺码库存分别显示
day7=today-datetime.timedelta(days=7)
logs7=db.session.execute("SELECT product_name,goods_id,sum(number) as sellsum FROM sdb_sell_logs where createtime>:createtime group by goods_id order by sum(number) desc limit 0,20",{"createtime":datetime_timestamp(day7.strftime("%Y-%m-%d 00:00:00"))}).fetchall()
goods_store7={}
for item in logs7:
store=db.session.execute("SELECT pdt_desc,store from sdb_products where goods_id=:goods_id",{"goods_id":item.goods_id}).fetchall()
item_store=[]
for store_item in store:
item_store.append([store_item.pdt_desc,store_item.store])
goods_store7[item.goods_id]=item_store这段代码要怎么优化请问？
感觉这个for item in logs7:的循环里要处理N次的select效率好低下。
你可以这样处理，做成一个查询（空间换取时间）
product_name, goods_idA, sum(number), pdt_descA, storeA
product_name, goods_idA, sum(number), pdt_descB, storeB
product_name, goods_idA, sum(number), pdt_descC, storeC
product_name, goods_idB, sum(number), pdt_descA, storeA
product_name, goods_idB, sum(number), pdt_descB, storeB
product_name, goods_idB, sum(number), pdt_descC, storeC两个SQL做个连接，剩下的就是输出时去控制成你想要的结构就好了。
相比程序里面的数据结构操作, 数据库操作永远是heavy的
如果你的内存足够大, 那么可以考虑将7天的raw data全部select到内存里, 然后做各种操作.
在内存不够的时候(比如现在的情况改成6个月), 你可以将数据分批输出(SELECT LIMIT), 在内存里建立好表的模型, 进行累加的处理(比如读到一条记录是红色裙子, 某月某日出售), 就是哪天的红裙子数量++
(这时候充分利用python的字典结构吧, 千万别去定义class)
总之, 不要使用数据库来计算, 而是使用代码在内存中计算.
另外, 在架构构中, 这些数据往往不需要在网页中计算, 你可以将这个程序做成一个定时的任务, 过去7天的报表, 每天跑一次或者每周跑一次, 然后直接生成一个html文件, 甚至结果直接email出去, 看需求了.
正文完