导读 一、QuerySet
1.1 可切片
使用 Python 的切片语法来限制查询集记录的数目 。它等同于 SQL 的LIMIT 和OFFSET 子句。
>>> Author.objects.all()[:5] # (LIMIT 5) >>> Author.objects.all()[5:10] # (OFFSET 5 LIMIT 5)
但是不支持负的索引（例如：Author.objects.all()[-1]）。通常：查询集 的切片返回一个新的查询集 ，它不会执行数据库查询。
1.2 可迭代
authors = models.Author.objects.all() for author in authors: print(author.name)
1.3 惰性查询
查询集 是惰性执行的 —— 创建查询集不会带来任何数据库的访问。直到查询集 需要求值时，Django 才会真正运行这个查询。
queryResult = models.Author.objects.all() # 此时并没有操作数据库
print(queryResult) # 调用时才执行查询操作
for article in queryResult:
print(article.title) # 调用时才执行查询操作
一般来说，只有在 “请求”查询集的结果时才会到数据库中去获取它们。当你确实需要结果时，查询集通过访问数据库来求值。
1.4 缓存机制（重点）
每个查询集都包含一个缓存来最小化对数据库的访问。它可以使得我们写出更高效的代码。
在一个新创建的查询集中，缓存为空。首次对查询集进行求值 —— 同时发生数据库查询 ——Django 将保存查询的结果到查询集的缓存中并返回明确请求的结果（例如，如果正在迭代查询集，则返回下一个结果）。接下来对该查询集 的求值将重用缓存的结果。下面举例说明：
案例一：
print([a.name for a in Author.objects.all()]) print([a.release_date for a in Author.objects.all()])
解析：
- 上述这意味着相同的数据库查询将执行两次，显然增加了数据库负载。
- 同时，还有可能两个结果列表并不包含相同的数据库记录，因为在两次请求期间有可能有添加或删除操作。为了避免这个问题，只需保存查询集并重新使用它即可，见案例二：
案例二：
queryResult = Author.objects.all() # 保存查询集并重复使用它 print([a.name for a in queryResult]) print([a.release_date for a in queryResult])
1.5 何时查询集不会被缓存?
查询集不会永远缓存它们的结果。当只对查询集的部分进行求值时会检查缓存， 如果这个部分不在缓存中，那么接下来查询返回的记录都将不会被缓存。所以，这意味着使用切片或索引来限制查询集将不会填充缓存。
- 重复对查询集对象进行切片操作，将 每次都查询数据库，如下 ：
queryset = Author.objects.all() print(queryset[5]) # 首次 执行查询数据库 print(queryset[5]) # 再次 执行查询数据库
- 然而，如果已经对全部查询集求值过，则将检查并执行缓存，如下：
queryset = Author.objects.all() qs_list = [author for author in queryset] # 执行查询数据库 print(qs_list[5]) # 使用缓存 print(qs_list[5]) # 使用缓存
- 可将全部查询集求值并填充到缓存中常见方法：
# 方法1： [author for author in queryset] # 方法2： bool(queryset) # 方法3： author in queryset # 方法4： list(queryset)
- 注意： 简单地打印查询集是不会填充缓存的。
queryResult=models.Article.objects.all() print(queryResult) # 执行查询数据库 print(queryResult) # 执行查询数据库
二、exists() 与 iterator() 方法（重点）
2.1 exists
简单的使用if语句进行判断也会完全执行整个queryset并且把数据放入cache，虽然你并不需要这些 数据！为了避免这个，可以用exists()方法来检查是否有数据：
if queryResult.exists():
print("exists...")
2.2 iterator
当queryset非常巨大时，cache就会成为问题。
当处理成千上万的记录时，将它们一次装入内存是很浪费的。更糟糕的是，巨大的queryset可能会锁住系统进程，让你的程序濒临崩溃。要避免在遍历数据的同时产生queryset cache，可以使用iterator()方法 来获取数据，处理完数据就将其丢弃。
objs = Book.objects.all().iterator()
# iterator() 可以一次只从数据库获取少量数据，这样可以节省内存
for obj in objs:
print(obj.title)
# 当你再次遍历时，没有打印结果，因为迭代器已经在上一次遍历(next)到最后一次了，没得遍历了
for obj in objs:
print(obj.title)
当然，使用iterator()方法来防止生成cache，意味着遍历同一个queryset时会重复执行查询。所以使用iterator()的时候要当心，确保你的代码在操作一个大的queryset时没有重复执行查询。
2.3 总结:
- queryset的cache是用于减少程序对数据库的查询，在通常的使用下会保证只有在需要的时候才会查询数据库。
- 使用exists()和iterator()方法可以优化程序对内存的使用。不过，由于它们并不会生成queryset cache，可能 会造成额外的数据库查询。
三、查询优化（重点）
3.1 select_related(基于连表查询，一对一 / 多外键)
3.1.1 一对一简单使用
- 对于一对一字段（OneToOneField）和外键字段（ForeignKey），可以使用select_related来对QuerySet进行优化。
- select_related 返回一个QuerySet，当执行它的查询时，它沿着外键关系查询关联的对象的数据。它会生成一个复杂的查询并引起性能的损耗，但是在以后使用外键关系时将不需要数据库查询。
- 简单说，在对 QuerySet 使用 select_related() 函数后，Django 会获取相应外键对应的对象，从而在之后需要的时候不必再查询数据库了。
下面的例子解释了普通查询和select_related() 查询的区别。
- 查询 id=2 的文章的分类名称, 下面是一个标准的查询：
# Hits the database. book = Book.objects.get(id=2) # Hits the database again to get the related Blog object. print(book.category.title)
- 对应 SQL：
SELECT
"blog_article"."id",
"blog_article"."title",
"blog_article"."desc",
"blog_article"."read_count",
"blog_article"."comment_count",
"blog_article"."up_count",
"blog_article"."down_count",
"blog_article"."category_id",
"blog_article"."create_time",
"blog_article"."blog_id",
"blog_article"."article_type_id"
FROM "blog_article"
WHERE "blog_article"."id" = 2; args=(2,)
SELECT
"blog_category"."id",
"blog_category"."title",
"blog_category"."blog_id"
FROM "blog_category"
WHERE "blog_category"."id" = 4; args=(4,)
- 如果我们使用select_related()函数：
books = Book.objects.select_related("category").all()
for obj in books:
# Doesn't hit the database, because obj.category
# has been prepopulated in the previous query.
print(obj.category.title)
- 对应 SQL：
SELECT
"blog_article"."id",
"blog_article"."title",
"blog_article"."desc",
"blog_article"."read_count",
"blog_article"."comment_count",
"blog_article"."up_count",
"blog_article"."down_count",
"blog_article"."category_id",
"blog_article"."create_time",
"blog_article"."blog_id",
"blog_article"."article_type_id",
"blog_category"."id",
"blog_category"."title",
"blog_category"."blog_id"
FROM "blog_article"
LEFT OUTER JOIN "blog_category" ON ("blog_article"."category_id" = "blog_category"."id");
3.1.2 多外键查询
这是针对 category 的外键查询，如果是另外一个外键呢？让我们一起看下：
books = Book.objects.select_related("category").get(id=1)
print(books.bookdetail)
观察 logging 结果，发现依然需要查询两次，所以需要改为：
books = Book.Article.objects.select_related("category","bookdetail").get(id=1)
print(books.bookdetail)
或者：
books = Book.objects
.select_related("category")
.select_related("bookdetail")
.get(id=1) # django 1.7 支持链式操作
print(books.bookdetail)
3.1.3 深层查询
# 查询id=1的文章的用户姓名
books = Book.objects.select_related("blog").get(id=1)
print(books.blog.user.username)
这是因为第一次查询没有 query 到 userInfo 表，所以，修改如下：
books = Book.objects.select_related("blog__user").get(id=1)
print(books.blog.user.username)
对应 SQL：
SELECT
"blog_article"."id", "blog_article"."title",
......
"blog_blog"."id", "blog_blog"."title",
......
"blog_userinfo"."password", "blog_userinfo"."last_login",
......
FROM "blog_article"
INNER JOIN "blog_blog" ON ("blog_article"."blog_id" = "blog_blog"."id")
INNER JOIN "blog_userinfo" ON ("blog_blog"."user_id" = "blog_userinfo"."id")
WHERE "blog_article"."id" = 1;
3.1.4 总结：
- select_related 主要针一对一和多对一关系进行优化。
- select_related 使用 SQL 的 JOIN 语句进行优化，通过减少 SQL 查询的次数来进行优化、提高性能。
- 可以通过可变长参数指定需要 select_related 的字段名。也可以通过使用双下划线 “__” 连接字段名来实现指定的递归查询。
- 没有指定的字段不会缓存，没有指定的深度不会缓存，如果要访问的话 Django 会再次进行 SQL 查询。
- 也可以通过 depth 参数指定递归的深度，Django 会自动缓存指定深度内所有的字段。如果要访问指定深度外的字段，Django 会再次进行 SQL 查询。
- 也接受无参数的调用，Django 会尽可能深的递归查询所有的字段。但注意有 Django 递归的限制和性能的浪费。
- Django >= 1.7，链式调用的 select_related 相当于使用可变长参数。Django < 1.7，链式调用会导致前边的 select_related 失效，只保留最后一个。
3.2 prefetch_related(基于子查询，多对多 / 一对多)
- 对于多对多字段（ManyToManyField）和一对多字段，可以使用prefetch_related()来进行优化。
- prefetch_related()和select_related()的设计目的很相似，都是为了减少 SQL 查询的数量，但是实现的方式不一样。后者是通过 JOIN 语句，在 SQL 查询内解决问题。但是对于多对多关系，使用 SQL 语句解决就显得有些不太明智，因为 JOIN 得到的表将会很长，会导致 SQL 语句运行时间的增加和内存占用的增加。若有 n 个对象，每个对象的多对多字段对应 Mi 条，就会生成Σ(n)Mi 行的结果表。
- prefetch_related()的解决方法是，分别查询每个表，然后用 Python 处理他们之间的关系。
# 查询所有文章关联的所有标签
book_obj = Book.objects.all()
for i in book_obj:
print(i.tags.all()) # 4篇文章: hits database 5
改为 prefetch_related：
# 查询所有文章关联的所有标签
book_obj = Book.objects.prefetch_related("tags").all()
for i in book_obj:
print(i.tags.all()) # 4篇文章: hits database 2
对应 SQL：
SELECT "blog_article"."nid",
"blog_article"."title",
......
FROM "blog_article";
SELECT
("blog_article2tag"."article_id") AS "_prefetch_related_val_article_id",
"blog_tag"."nid",
"blog_tag"."title",
"blog_tag"."blog_id"
FROM "blog_tag"
INNER JOIN "blog_article2tag" ON ("blog_tag"."nid" = "blog_article2tag"."tag_id")
WHERE "blog_article2tag"."article_id" IN (1, 2, 3, 4);
四、extra 的使用
extra(select=None, where=None, params=None, tables=None, order_by=None, select_params=None)
- 有些情况下，Django 的查询语法难以简单的表达复杂的 WHERE 子句，对于这种情况, Django 提供了 extra() QuerySet修改机制，它能在 QuerySet生成的 SQL 从句中注入新子句
- extra 可以指定一个或多个 参数, 例如 select, where or tables. 这些参数都不是必须的，但是你至少要使用一个! 要注意这些额外的方式对不同的数据库引擎可能存在移植性问题.(因为你在显式的书写 SQL 语句), 除非万不得已, 尽量避免这样做
4.1 参数之 select
The select 参数可以让你在 SELECT 从句中添加其他字段信息，它应该是一个字典，存放着属性名到 SQL 从句的映射。
queryResult = Book.objects.extra(select={'is_recent': "create_time > '2017-09-05'"})
结果集中每个 Entry 对象都有一个额外的属性 is_recent, 它是一个布尔值，表示 Article 对象的 create_time 是否晚于 2017-09-05.
练习：
# in sqlite:
book_obj = Book.objects
.filter(nid=1)
.extra(select={"standard_time":"strftime('%%Y-%%m-%%d',create_time)"})
.values("standard_time","id","title")
print(book_obj)
# <QuerySet [{'title': 'MongoDb 入门教程', 'standard_time': '2017-09-03', 'id': 1}]>
4.2 参数之where / tables
您可以使用where定义显式 SQL WHERE子句 - 也许执行非显式连接。您可以使用tables手动将表添加到 SQL FROM子句。
where和tables都接受字符串列表。所有where参数均为 “与” 任何其他搜索条件。
举例来讲：
queryResult = Book.objects.extra(where=['id in (1,3) OR title like "py%" ','id>2'])
五、整体插入
创建对象时，尽可能使用 bulk_create() 来减少 SQL 查询的数量。例如：
Book.objects.bulk_create([
Book(headline="Python 3.0 Released"),
Book(headline="Python 3.1 Planned")
])
… 更优于：
Book.objects.create(headline="Python 3.0 Released") Book.objects.create(headline="Python 3.1 Planned")
注意该方法有很多注意事项，所以确保它适用于你的情况。
这也可以用在 ManyToManyFields 中，所以：
my_band.members.add(me, my_friend)
… 更优于：
my_band.members.add(me) my_band.members.add(my_friend)
… 其中 Bands 和 Book 具有多对多关联。
六、中介模型
处理类似搭配 pizza 和 topping 这样简单的多对多关系时，使用标准的ManyToManyField 就可以了。但是，有时你可能需要关联数据到两个模型之间的关系上。
例如，有这样一个应用，它记录音乐家所属的音乐小组。我们可以用一个ManyToManyField 表示小组和成员之间的多对多关系。但是，有时你可能想知道更多成员关系的细节，比如成员是何时加入小组的。
对于这些情况，Django 允许你指定一个中介模型来定义多对多关系。 你可以将其他字段放在中介模型里面。源模型的ManyToManyField 字段将使用through 参数指向中介模型。对于上面的音乐小组的例子，代码如下：
from django.db import models
class Person(models.Model):
name = models.CharField(max_length=128)
def __str__(self): # __unicode__ on Python 2
return self.name
class Group(models.Model):
name = models.CharField(max_length=128)
members = models.ManyToManyField(Person, through='Membership')
def __str__(self): # __unicode__ on Python 2
return self.name
class Membership(models.Model):
person = models.ForeignKey(Person)
group = models.ForeignKey(Group)
date_joined = models.DateField()
invite_reason = models.CharField(max_length=64)
既然你已经设置好ManyToManyField 来使用中介模型（在这个例子中就是Membership），接下来你要开始创建多对多关系。你要做的就是创建中介模型的实例：
>>> ringo = Person.objects.create(name="Ringo Starr") >>> paul = Person.objects.create(name="Paul McCartney") >>> beatles = Group.objects.create(name="The Beatles") >>> m1 = Membership(person=ringo, group=beatles, ... date_joined=date(1962, 8, 16), ... invite_reason="Needed a new drummer.") >>> m1.save() >>> beatles.members.all() [<Person: Ringo Starr>] >>> ringo.group_set.all() [<Group: The Beatles>] >>> m2 = Membership.objects.create(person=paul, group=beatles, ... date_joined=date(1960, 8, 1), ... invite_reason="Wanted to form a band.") >>> beatles.members.all() [<Person: Ringo Starr>, <Person: Paul McCartney>]
与普通的多对多字段不同，你不能使用add、 create和赋值语句（比如，beatles.members = [...]）来创建关系：
# THIS WILL NOT WORK >>> beatles.members.add(john) # NEITHER WILL THIS >>> beatles.members.create(name``=``"George Harrison"``) # AND NEITHER WILL THIS >>> beatles.members ``=` `[john, paul, ringo, george]
为什么不能这样做？ 这是因为你不能只创建 Person和 Group之间的关联关系，你还要指定 Membership模型中所需要的所有信息；而简单的add、create 和赋值语句是做不到这一点的。所以它们不能在使用中介模型的多对多关系中使用。此时，唯一的办法就是创建中介模型的实例。
remove()方法被禁用也是出于同样的原因。但是clear() 方法却是可用的。它可以清空某个实例所有的多对多关系：
>>> # Beatles have broken up >>> beatles.members.clear() >>> # Note that this deletes the intermediate model instances >>> Membership.objects.all() []
全文完
