Acelere Django en GitHub Actions
Última actualización
Para acelerar Django en GitHub Actions, almacene en caché sus dependencias de Python, ejecute las pruebas en paralelo con pytest-xdist y reconstruya la base de datos de pruebas solo cuando sea necesario. El comando predeterminado python manage.py test usa un solo proceso y aplica todas las migraciones a una base de datos nueva, lo que resulta lento cuando hay muchas migraciones.
Esta guía cubre la instalación, la configuración de la base de datos y la ejecución de las pruebas, con un workflow que puede copiar. Para una visión general, lea nuestra guía para acelerar GitHub Actions.
Dónde se va el tiempo
Revise los tiempos de cada paso en una ejecución reciente. En un proyecto de Django, las partes habituales son: instalar dependencias, crear la base de datos de pruebas (aplicando todas las migraciones) y ejecutar las pruebas. Si tiene una compilación de frontend o collectstatic, añádalos también. La configuración de la base de datos de pruebas es lo que más se suele pasar por alto: con cientos de migraciones puede tardar más que las propias pruebas.
Almacenar dependencias en caché
Con pip, actions/setup-python tiene una entrada cache. Su README enumera pip, pipenv y poetry, y la clave se obtiene de requirements.txt o pyproject.toml por defecto. Use cache-dependency-path si sus archivos están en otra ubicación.
- uses: actions/setup-python@v7
with:
python-version: "3.13"
cache: pip
cache-dependency-path: requirements/*.txt
- run: pip install -r requirements/test.txt
Si usa uv, astral-sh/setup-uv tiene una entrada enable-cache y una entrada cache-dependency-glob cuyos valores predeterminados incluyen uv.lock y pyproject.toml. Fije la versión de la acción como indica su README y, después, ejecute uv sync --locked. uv instala mucho más rápido que pip, sobre todo con la caché vacía.
Si un paquete se compila desde el código fuente en CI, cambie a su versión binaria (por ejemplo psycopg[binary]) o fije una versión que incluya wheels.
Ejecutar pruebas en paralelo con pytest-xdist
Si usa pytest con pytest-django, añada pytest-xdist y ejecute con -n auto, que inicia un worker por núcleo de CPU. pytest-django crea una base de datos de pruebas independiente para cada worker (test_db_gw0, test_db_gw1, etc.), de modo que los workers no entran en conflicto.
# pytest.ini
[pytest]
DJANGO_SETTINGS_MODULE = config.settings.test
addopts = -n auto --reuse-db --dist loadfile
--reuse-dbconserva la base de datos de pruebas entre ejecuciones. En CI la base de datos se crea de nuevo en cada ejecución, así que apenas influye, pero acelera mucho las ejecuciones locales. Tras cambiar los modelos, ejecute una vez con--create-db.--dist loadfilemantiene las pruebas de un mismo archivo en un mismo worker, lo que es más seguro cuando las pruebas comparten fixtures a nivel de módulo. El modo predeterminadoloadreparte mejor la carga, pero puede hacer visibles dependencias del orden de ejecución.- Con el ejecutor propio de Django,
python manage.py test --parallelhace el mismo trabajo mediante su propia clonación de bases de datos.
Nuestra guía de pruebas lentas con pytest explica cómo encontrar pruebas lentas con --durations=20 y el alcance de los fixtures.
Postgres como servicio
No pruebe con SQLite si despliega en Postgres: oculta errores. Use un contenedor de servicio con un 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
Una base de datos de pruebas desechable no necesita durabilidad. Si ejecuta Postgres usted mismo en CI, puede iniciarlo con -c fsync=off -c synchronous_commit=off -c full_page_writes=off. Nunca use esa configuración con datos reales.
Acelerar las migraciones en las pruebas
Dos enfoques ayudan con historiales de migraciones largos:
- Unifique las migraciones antiguas con
squashmigrationscuando ya no necesite los estados intermedios. - Omita las migraciones en las pruebas con una clase de configuración que haga que
MIGRATION_MODULESdevuelvaNonepara cada aplicación, de modo que las tablas se creen directamente desde los modelos. Es rápido, pero deja de probar las migraciones. Mantenga un job de CI que ejecutepython manage.py migratesobre una base de datos vacía.
Simule también las llamadas externas lentas, como el correo electrónico y las peticiones HTTP.
Repartir entre jobs
Cuando una sola máquina no basta, reparta los archivos en una matriz. pytest-split y pytest-xdist combinan bien: cada job de la matriz ejecuta una porción elegida según las duraciones registradas y usa -n auto internamente. Consulte sharding de pruebas en GitHub Actions y la calculadora de shards de pruebas.
Lo que aportan más núcleos de CPU
Las pruebas de Django usan los núcleos que detecta -n auto. En un runner alojado predeterminado con 2 vCPU, eso significa dos workers; con 8 vCPU, ocho, siempre que sus pruebas no estén esperando a la base de datos. Postgres en un contenedor de servicio comparte la misma máquina, así que un número muy alto de workers puede hacer que la base de datos sea el cuello de botella. Compruébelo en lugar de suponerlo.
No tenemos una fila de Django en nuestros benchmarks. Los datos más cercanos corresponden a una pila SvelteKit + FastAPI + Postgres + Redis que pasó de 3m46s a 2m18s (1.6x, ejecución completa, 8 de octubre de 2026). Es un framework distinto, así que considérelo una pista de que las canalizaciones intensivas en Python se benefician menos que las compilaciones compiladas.
Para probar su propia suite, cambie una línea a runs-on: [self-hosted, Linux, compiler-ci]. Consulte precios y comparar. Relacionado: la plantilla de Django, la plantilla de Python y la caché en GitHub Actions.
Preguntas frecuentes
¿Funciona pytest-xdist con Django?
Sí, a través de pytest-django, que crea una base de datos de pruebas por cada worker de xdist. Use -n auto y asegúrese de que las pruebas no compartan archivos ni estado externo.
¿Qué hace --reuse-db?
Conserva la base de datos de pruebas en lugar de recrearla. Ahorra tiempo en local. En una máquina de CI nueva la base de datos todavía no existe, así que apenas ayuda allí.
¿Debo usar pip o uv en CI?
uv instala más rápido y tiene una opción de caché integrada en su acción de configuración. pip con la caché de actions/setup-python sirve bien para conjuntos pequeños de dependencias.
¿Cuántos workers de xdist debo usar?
-n auto coincide con los núcleos de CPU. Si la base de datos es el cuello de botella, pruebe con un número menor, por ejemplo la mitad de los núcleos.
Relacionado
- Acelere un monorepo de TypeScript en GitHub ActionsAcelere la comprobación de tipos y el linting en un monorepo TypeScript con GitHub Actions: tsc incremental, referencias de proyecto y cachés.
- Acelere Playwright en un monorepo con GitHub ActionsAcelere las pruebas e2e de Playwright en un monorepo Node con GitHub Actions: compile la app una vez y omita e2e si no cambió.
- Añada una insignia de velocidad de CI a su READMEMuestre la velocidad de su CI con una insignia en el README: el tiempo mediano de ejecución en GitHub Actions, actualizado automáticamente. Gratis.
- Acelere .NET en GitHub ActionsAcelere las compilaciones de .NET en GitHub Actions: caché de NuGet con setup-dotnet, --no-restore, --no-build, dotnet test en paralelo y servicios SQL.