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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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++
893
677
暂无简介
Dart
802
199
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
350
205
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781