Python SQLAlchemy 排序性能优化：从负号到 desc() 函数

键盘旁的猫

发布时间：2026-10-10| 2人浏览过

原创

在 Python 的 SQLAlchemy 框架中，使用负号（如 -Model.field）进行降序排序可能导致严重的性能问题。本文深入分析这一常见陷阱，对比使用负号与调用 .desc() 方法的执行效率，并展示如何通过正确的排序方式提升查询速度。此外，文章还提供了一个利用随机数与最大 ID 结合的高效随机数据抽取方案，帮助开发者避免全表扫描，实现高性能的数据处理。

SQLAlchemy 排序中的性能陷阱

SQLAlchemy 是 Python 生态中广泛使用的 ORM（对象关系映射）框架。它建立在数据库 API 之上，通过关系对象映射将 Python 对象转换为 SQL 语句，并利用数据 API 执行 SQL 并获取结果。这种抽象极大地简化了数据库操作，但在某些细节处理上，如果不加注意，可能会引入性能瓶颈。

一个典型的例子发生在数据排序上。许多开发者习惯使用 Python 的负号操作符（如 -UserVideo.vid）来表示降序排列。虽然这在语法上是合法的，并且 SQLAlchemy 能够将其转换为对应的 SQL 语句，但这种写法在底层执行时往往无法充分利用数据库的索引优势，导致查询速度显著下降。

优化方案：使用 `desc()` 函数

为了解决上述性能问题，推荐的做法是显式调用 SQLAlchemy 提供的 desc() 函数。通过对比两种实现方式，我们可以清晰地看到性能差异。

低效写法：使用负号

以下是使用负号进行排序的代码示例。这种写法虽然简洁，但在数据量较大时，查询耗时可能非常可观。

query = db_session.query(UserVideo.vid,
         UserVideo.uid,
         UserVideo.v_width,
         UserVideo.v_height,
         UserVideo.create_time,
         UserVideo.cover,
         UserVideo.source_url,
         UserVideo.v_type,
         UserVideo.category,
         User.username,
         User.sex,
         UserExtraInfo.avatar,
         UserExtraInfo.watermark)
  query = query.filter(UserVideo.status == 1,
        User.uid == UserVideo.uid,
        UserExtraInfo.uid == UserVideo.uid) 
  query = query.filter(UserVideo.status == 1)
  query = query.order_by(-UserVideo.vid)
  query = query.limit(20).all()

高效写法：使用 `desc()`

将排序逻辑改为显式调用 .desc() 方法后，数据库优化器通常能更有效地利用索引进行排序，从而大幅提升查询速度。实测表明，这种优化可使查询速度提高约 10 倍。

query = db_session.query(UserVideo.vid,
         UserVideo.uid,
         UserVideo.v_width,
         UserVideo.v_height,
         UserVideo.create_time,
         UserVideo.cover,
         UserVideo.source_url,
         UserVideo.v_type,
         UserVideo.category,
         User.username,
         User.sex,
         UserExtraInfo.avatar,
         UserExtraInfo.watermark)
  query = query.filter(UserVideo.status == 1,
        User.uid == UserVideo.uid,
        UserExtraInfo.uid == UserVideo.uid) # .order_by(UserVideo.vid.desc()).limit(20).all()
  query = query.filter(UserVideo.status == 1)
  query = query.order_by(UserVideo.vid.desc())
  query = query.limit(20).all()

高性能随机数据抽取技巧

除了排序优化，在实际业务中，我们经常需要从数据库中随机抽取若干条数据。传统的 ORDER BY RAND() 或类似全表扫描的方法在数据量大时效率极低。下面提供一个基于 SQLAlchemy 的高性能随机抽取方案。

该方案的核心思路是：先生成一个介于 0 和最大 ID 之间的随机数，然后筛选出 ID 大于该随机数的记录。这种方法避免了全表排序，显著提升了随机取数的效率。

query = db_session.query(UserVideo.vid,
          UserVideo.uid,
          UserVideo.v_width,
          UserVideo.v_height,
          UserVideo.create_time,
          UserVideo.cover,
          UserVideo.source_url,
          UserVideo.v_type,
          UserVideo.category,
          User.username,
          User.sex,
          UserExtraInfo.avatar,
          UserExtraInfo.watermark)
   query = query.filter(UserVideo.status == 1, User.uid == UserVideo.uid, UserExtraInfo.uid == UserVideo.uid)
rvid = db_session.query(func.round(random.random() * func.max(UserVideo.vid)).label('rvid')).subquery()
query = query.filter(UserVideo.category == category)
query_tail = query
query_tail = query_tail.join(rvid, UserVideo.vid > rvid.c.rvid).limit(20).all()

在上述代码中，func.max(UserVideo.vid) 用于获取当前表中的最大 ID，random.random() 生成 0 到 1 之间的随机数，两者相乘并取整后得到随机阈值 rvid。随后，通过子查询 rvid 与主查询进行连接，筛选出 UserVideo.vid > rvid.c.rvid 的记录，并限制返回 20 条结果。这种方法在保证随机性的同时，极大地提高了查询效率。