Saltar al contenido

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-db conserva 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 loadfile mantiene 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 predeterminado load reparte mejor la carga, pero puede hacer visibles dependencias del orden de ejecución.
  • Con el ejecutor propio de Django, python manage.py test --parallel hace 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 squashmigrations cuando ya no necesite los estados intermedios.
  • Omita las migraciones en las pruebas con una clase de configuración que haga que MIGRATION_MODULES devuelva None para 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 ejecute python manage.py migrate sobre 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.

Ejecute esta suite de pytest en compiler.dev Sin tarjeta · 200 minutos gratuitos

Pruébelo gratis