最近,由于数据库连接错误,我的Django应用程序经常崩溃:
OperationalError: FATAL: sorry, too many clients already
当我进入app数据库时,我发现确实有近100个打开的连接,都有相同的查询(由Django ORM执行)并且全部处于idle状态.
我一直在手动做SELECT pg_terminate_backend(pid) FROM pg_stat_activity WHERE state = 'idle';但我很困惑为什么会发生这种情况.任何人都可以对这里发生的事情有所了解吗？
我的Django数据库设置不会偏离默认值(我没有定义CONN_MAX_AGE或任何这种性质).
什么可能导致这个？我没有做任何高级Django查询.这可以通过Django设置或者某些PostgreSQL配置来解决吗？任何建议表示赞赏.
我有一个 Django 模型，我想在其中保存无模式的键值元数据，所以我使用django.contrib.postgres.fields.JSONField.
键值数据是 Pandas 系列，默认情况下它不是 JSON 可序列化的（由于 numpy.int64、numpy.float64 类型），所以我使用了 handy series.to_json()，它返回一个已经序列化的 JSON 字符串。
为了将它保存到我的模型中，我运行json.loads了它。但我知道json.dumps当数据保存到 Postgres 时会调用它。
如何避免这种不必要的反序列化/重新序列化步骤？
代码示例：
def create_model(pandas_series):
mdl = Model()
metadata = pandas_series.to_json() # gives a JSON string
mdl.metadata = json.loads(metadata) # string->dict, then dict->string
mdl.save()
我在 Postgres 中有一个带有 JSONB 列的表，表的每一行都包含一个大型 JSONB 对象（约 4500 个键，JSON 字符串在 txt 文件中约为 110 KB）。我想查询这些行并获取整个 JSONB 对象。
查询速度很快——当我运行EXPLAIN ANALYZE或省略 JSONB 列时，它会在 100-300 毫秒内返回。但是当我执行完整查询时，它需要几分钟的时间。对以前版本的数据进行完全相同的查询也很快（每个 JSONB 大约只有一半大）。
一些注意事项：
最终以 Python 形式完成（通过 SQLAlchemy/psycopg2）。我担心查询执行器将 JSONB 转换为 JSON，然后将其编码为文本以便通过网络传输，然后在 Python 端再次进行 JSON 编码。它是否正确？如果是这样，我该如何缓解这个问题？当我选择 JSONB 列时::text，查询速度大约是原来的两倍。
我只需要 JSON 的一小部分（大约 300 个键或 6% 的键）。我尝试了过滤查询中 JSON 输出的方法，但它们对性能造成了进一步的严重影响——最终返回整个对象的速度更快。