DoctrineExtensions 日志查询性能优化实战
2025-06-16 22:13:51作者:管翌锬
背景介绍
DoctrineExtensions 是一个为 Doctrine ORM 提供行为扩展功能的 PHP 库,其中的 Loggable 扩展能够自动记录实体对象的变更历史。在实际项目中,随着业务数据增长,日志表(ext_log_entries)会积累大量记录,导致查询性能显著下降。
性能问题分析
当 ext_log_entries 表数据量达到 70 万条时,典型的日志查询语句执行时间可能超过 8 秒。问题查询通常具有以下特征:
- 使用多个 LIKE 条件进行模糊匹配
- 对几乎所有字段都进行了查询
- 包含 DISTINCT 和 ORDER BY 子句
- 没有充分利用索引
优化方案
1. 添加必要索引
为关键字段创建索引是提升查询性能的基础措施。对于日志表,建议为以下字段添加索引:
- action(操作类型)
- object_id(关联对象ID)
- object_class(对象类名)
- username(操作用户)
可以通过创建自定义日志实体类来定义索引:
#[ORM\Entity]
#[ORM\Table(name: 'ext_log_entries')]
#[ORM\Index(name: 'action_idx', columns: ['action'])]
#[ORM\Index(name: 'object_idx', columns: ['object_id', 'object_class'])]
#[ORM\Index(name: 'username_idx', columns: ['username'])]
class CustomLogEntry extends LogEntry
{
// 继承基类
}
2. 优化查询条件
避免使用全字段模糊查询,特别是对大数据字段(如 data 字段)的 LIKE 操作。建议:
- 将 action 字段改为枚举查询
- 为 object_class 使用精确匹配
- 限制对 data 字段的查询
3. 前端查询优化
如果使用 EasyAdmin 等管理后台,可以配置更高效的过滤器:
filters:
- property: 'action'
type: 'choice'
value_type_options:
choices:
'create': 'create'
'update': 'update'
'remove': 'remove'
- property: 'objectClass'
type: 'choice'
# 配置可选的实体类列表
4. 数据归档策略
对于长期不用的历史日志,建议:
- 定期归档旧数据
- 实现分表存储策略
- 考虑使用专门的日志存储方案(如 ELK 栈)
实施建议
- 先在测试环境验证索引效果
- 逐步优化查询条件,避免一次性全改
- 监控优化后的查询性能
- 考虑使用查询缓存机制
总结
DoctrineExtensions 的日志功能非常强大,但在大数据量场景下需要特别注意性能优化。通过合理的索引设计、查询优化和归档策略,可以显著提升日志查询性能,确保系统长期稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C073
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 单总线CPU设计实训代码:计算机组成原理最佳学习资源 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
460
3.43 K
暂无简介
Dart
713
170
Ascend Extension for PyTorch
Python
267
304
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
186
71
React Native鸿蒙化仓库
JavaScript
284
332
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
842
417
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
446
130
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
105
119