Zum Inhalt springen

Django in GitHub Actions beschleunigen

Zuletzt aktualisiert am

Um Django in GitHub Actions zu beschleunigen, cachen Sie Ihre Python-Abhängigkeiten, führen Sie Tests mit pytest-xdist parallel aus und bauen Sie die Testdatenbank seltener neu auf, als Sie es müssten. Der Standardaufruf python manage.py test läuft in einem einzigen Prozess und wendet jede Migration auf eine neue Datenbank an, was bei vielen Migrationen langsam ist.

Dieser Leitfaden behandelt Installation, Datenbankeinrichtung und Testausführung, mit einem Workflow zum direkten Übernehmen. Einen Überblick bietet unser Leitfaden zur Beschleunigung von GitHub Actions.

Wo die Zeit verloren geht

Sehen Sie sich die Schrittzeiten eines aktuellen Runs an. In einem Django-Projekt sind es meist: Abhängigkeiten installieren, Testdatenbank anlegen (alle Migrationen anwenden) und Tests ausführen. Falls Sie einen Frontend-Build oder collectstatic haben, kommt dieser Schritt hinzu. Der Aufbau der Testdatenbank wird oft übersehen; bei Hunderten von Migrationen kann er länger dauern als die Tests selbst.

Abhängigkeiten cachen

Bei pip hat actions/setup-python eine Eingabe cache. Laut README unterstützt sie pip, pipenv und poetry, und der Schlüssel stammt standardmäßig aus requirements.txt oder pyproject.toml. Verwenden Sie cache-dependency-path, falls Ihre Dateien an einem anderen Ort liegen.

- uses: actions/setup-python@v7
  with:
    python-version: "3.13"
    cache: pip
    cache-dependency-path: requirements/*.txt
- run: pip install -r requirements/test.txt

Wenn Sie uv verwenden, besitzt astral-sh/setup-uv eine Eingabe enable-cache und eine Eingabe cache-dependency-glob, deren Standardwerte uv.lock und pyproject.toml enthalten. Fixieren Sie die Action wie im README beschrieben und führen Sie danach uv sync --locked aus. uv installiert deutlich schneller als pip, was vor allem bei einem kalten Cache hilft.

Wenn ein Paket in CI aus dem Quellcode kompiliert wird, wechseln Sie auf dessen Binärbuild (etwa psycopg[binary]) oder fixieren Sie eine Version, die Wheels bereitstellt.

Tests parallel mit pytest-xdist ausführen

Wenn Sie pytest mit pytest-django verwenden, fügen Sie pytest-xdist hinzu und starten Sie mit -n auto, was einen Worker pro CPU-Kern startet. pytest-django legt für jeden Worker eine eigene Testdatenbank an (test_db_gw0, test_db_gw1 und so weiter), sodass sich die Worker nicht in die Quere kommen.

# pytest.ini
[pytest]
DJANGO_SETTINGS_MODULE = config.settings.test
addopts = -n auto --reuse-db --dist loadfile
  • --reuse-db behält die Testdatenbank zwischen den Läufen. In CI ist die Datenbank bei jedem Lauf frisch, daher spielt das dort kaum eine Rolle, lokal beschleunigt es die Läufe jedoch deutlich. Nach Modelländerungen führen Sie einmal mit --create-db aus.
  • --dist loadfile sorgt dafür, dass Tests einer Datei auf demselben Worker laufen. Das ist sicherer, wenn Tests modulweite Fixtures teilen. Der Standardmodus load verteilt die Last besser, kann aber Reihenfolgeabhängigkeiten aufdecken.
  • Mit dem eigenen Runner von Django erledigt python manage.py test --parallel dieselbe Aufgabe mit eigenem Klonen der Datenbank.

Unser Leitfaden zu langsamen pytest-Tests beschreibt, wie Sie langsame Tests mit --durations=20 und dem Fixture-Scope finden.

Postgres als Service

Testen Sie nicht gegen SQLite, wenn Sie auf Postgres deployen; das verdeckt Fehler. Verwenden Sie einen Service-Container mit Health-Check:

jobs:
  test:
    runs-on: ubuntu-latest
    timeout-minutes: 20
    services:
      postgres:
        image: postgres:17
        env:
          POSTGRES_PASSWORD: postgres
          POSTGRES_DB: app
        ports: ["5432:5432"]
        options: >-
          --health-cmd "pg_isready -U postgres"
          --health-interval 5s --health-timeout 5s --health-retries 10
    env:
      DATABASE_URL: postgres://postgres:postgres@localhost:5432/app
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: "3.13"
          cache: pip
      - run: pip install -r requirements.txt
      - run: pytest

Eine Wegwerf-Testdatenbank braucht keine Dauerhaftigkeit. Wenn Sie Postgres selbst in CI starten, können Sie es mit -c fsync=off -c synchronous_commit=off -c full_page_writes=off starten. Verwenden Sie diese Einstellungen niemals für echte Daten.

Migrationen in Tests beschleunigen

Bei langen Migrationshistorien helfen zwei Ansätze:

  • Alte Migrationen zusammenfassen mit squashmigrations, wenn Sie die Zwischenzustände nicht mehr benötigen.
  • Migrationen in Tests überspringen, indem eine Settings-Klasse MIGRATION_MODULES für jede App auf None setzt, sodass die Tabellen direkt aus den Modellen entstehen. Das ist schnell, aber Sie testen dann keine Migrationen mehr. Behalten Sie einen CI-Job, der python manage.py migrate auf einer leeren Datenbank ausführt.

Mocken Sie außerdem langsame externe Aufrufe wie E-Mail und HTTP.

Auf mehrere Jobs verteilen

Wenn eine Maschine nicht ausreicht, verteilen Sie die Dateien über eine Matrix. pytest-split und pytest-xdist passen gut zusammen: Jeder Matrix-Job führt einen Abschnitt aus, der anhand gespeicherter Laufzeiten gewählt wird, und nutzt darin -n auto. Siehe Test-Sharding in GitHub Actions und den Shard-Rechner für Tests.

Was mehr CPU-Kerne bringen

Django-Tests nutzen die Kerne, die -n auto erkennt. Auf einem Standard-Hosted-Runner mit 2 vCPU sind das zwei Worker, auf 8 vCPU acht, solange Ihre Tests nicht auf die Datenbank warten. Postgres im Service-Container läuft auf derselben Maschine, daher kann eine sehr hohe Worker-Anzahl die Datenbank zum Engpass machen. Achten Sie darauf, statt zu raten.

Wir haben keine Django-Zeile in unseren Benchmarks. Die nächstliegenden Daten stammen von einem SvelteKit-, FastAPI-, Postgres- und Redis-Stack, der von 3m46s auf 2m18s kam (1.6x, vollständiger Lauf, 8. Oktober 2026). Es ist ein anderes Framework, daher sollten Sie das als Hinweis lesen, dass Python-lastige Pipelines weniger profitieren als kompilierte Builds.

Um Ihre eigene Suite zu testen, ändern Sie eine Zeile zu runs-on: [self-hosted, Linux, compiler-ci]. Siehe Preise und Vergleich. Verwandt: die Django-Vorlage, die Python-Vorlage und Caching in GitHub Actions.

FAQ

Funktioniert pytest-xdist mit Django?

Ja, über pytest-django, das für jeden xdist-Worker eine eigene Testdatenbank anlegt. Verwenden Sie -n auto und achten Sie darauf, dass Tests keine Dateien oder externen Zustände teilen.

Was macht --reuse-db?

Es behält die Testdatenbank, statt sie neu anzulegen. Lokal spart das Zeit. Auf einer frischen CI-Maschine existiert die Datenbank noch nicht, daher hilft es dort kaum.

Sollte ich in CI pip oder uv verwenden?

uv installiert schneller und bietet in seiner Setup-Action eine eingebaute Cache-Option. pip mit dem Caching von actions/setup-python ist für kleine Abhängigkeitsmengen völlig ausreichend.

Wie viele xdist-Worker sollte ich verwenden?

-n auto entspricht der Anzahl der CPU-Kerne. Wenn die Datenbank der Engpass ist, probieren Sie eine niedrigere Zahl, etwa die Hälfte der Kerne.

Diese pytest-Suite auf compiler.dev ausführen Keine Karte nötig · 200 kostenlose Minuten

Kostenlos testen