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-dbbehält 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-dbaus.--dist loadfilesorgt dafür, dass Tests einer Datei auf demselben Worker laufen. Das ist sicherer, wenn Tests modulweite Fixtures teilen. Der Standardmodusloadverteilt die Last besser, kann aber Reihenfolgeabhängigkeiten aufdecken.- Mit dem eigenen Runner von Django erledigt
python manage.py test --paralleldieselbe 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_MODULESfür jede App aufNonesetzt, sodass die Tabellen direkt aus den Modellen entstehen. Das ist schnell, aber Sie testen dann keine Migrationen mehr. Behalten Sie einen CI-Job, derpython manage.py migrateauf 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.
Verwandt
- TypeScript-Monorepo in GitHub Actions beschleunigenTypprüfung und Linting in TypeScript-Monorepos auf GitHub Actions beschleunigen: inkrementelles tsc, Projektreferenzen, Lint-Caches und parallele Jobs.
- Playwright im Monorepo mit GitHub Actions beschleunigenPlaywright-E2E-Tests in einem Node-Monorepo auf GitHub Actions beschleunigen: App einmal bauen, E2E überspringen, wenn sich die Web-App nicht ändert.
- CI-Geschwindigkeits-Badge in Ihre README einfügenZeigen Sie die Geschwindigkeit Ihrer CI mit einem README-Badge: die mediane Laufzeit Ihrer Repository-Workflows auf GitHub Actions, automatisch aktualisiert.
- .NET in GitHub Actions beschleunigen.NET-Builds in GitHub Actions beschleunigen: NuGet-Caching mit setup-dotnet, --no-restore, --no-build, paralleles dotnet test und SQL-Server-Services.