<div class="postBody">
<div id="cnblogs_post_body">
QuerySet
可切片
查询集记录的数目。sql 的和子句。
查询集的结果时才会到数据库中去获取它们。查询集通过访问数据库来求值。何时计算查询集。
缓存机制
查询集都包含一个缓存来最小化对数据库的访问。代码。
查询集中,缓存为空。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)。查询集的求值将重用缓存的结果。
查询集使用不当的话,它会坑你的。查询集,对它们求值,然后扔掉它们:
Article并重新使用它:
查询集不会被缓存?
查询集不会永远缓存它们的结果。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。所以查询集将不会填充缓存。
然而,如果已经对全部查询集求值过,则将检查缓存:
下面是一些其它例子,它们会使得全部的查询集被求值并填充到缓存中:
exists()与iterator()方法
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:
iterator:
当queryset非常巨大时,cache会成为问题。
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 =数据库获取少量数据,这样可以节省内存
obj
obj (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。
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。
中介模型
就可以了。
表示小组和成员之间的多对多关系。
字段将使用参数指向中介模型。代码如下:
来使用中介模型(在这个例子中就是),接下来你要开始创建多对多关系。
与普通的多对多字段不同,你不能使用、和赋值语句(比如,)来创建关系:
和之间的关联关系,你还要指定模型中所需要的所有信息;、和赋值语句是做不到这一点的。
方法被禁用也是出于同样的原因。方法却是可用的。它可以清空某个实例所有的多对多关系:
查询优化
表数据
返回一个,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。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。
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。
查询和查询的区别。
如果我们使用select_related()函数:
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:
观察logging结果,发现依然需要查询两次,所以需要改为:
或者:
.select_related("category")
.select_related("articledetail")
.get(nid) # django 支持链式操作 (article.articledetail)
<div class="cnblogs_Highlighter sh-gutter">
深层查询
依然需要查询两次:
这是因为第一次查询没有query到userInfo表,所以,修改如下:
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。
prefetch_related()
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。
改为prefetch_related:
tablesNone,order_byNone,select_paramsNone)
查询语法难以简单的表达复杂的子句,修改机制 — 它能在生成的sql从句中注入新子句
,例如,or.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
参数可以让你在从句中添加其他字段信息,属性名到 sql 从句的映射。
.objects.extra({: "create_time "})
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:
# sqlite:
article_objmodels.Article.objects
.filter(nid)
.extra({"standard_time":"strftime(,create_time)"})
.QuerySet
参数之where/tables
定义显式sql子句 - 也许执行非显式连接。手动将表添加到sql子句。
和都接受字符串列表。参数均为“与”任何其他搜索条件。
.objects.extra(2')
创建对象时,尽可能使用bulk_create()来减少SQL查询的数量。例如:
Entry.objects.bulk_create([
Entry(headline="Python 3.0 Released"),Entry(headline="Python 3.1 Planned")
])
...更优于:
Entry.objects.create(headline="Python 3.0 Released")
Entry.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Artists具有多对多关联。