QuerySet
可切片
使用Python 的切片語法來限制查詢集記錄的數目?。它等同于SQL 的LIMIT?和OFFSET?子句。
| 1 | >>> Entry.objects.all()[:5]????? # (LIMIT?5) |
>>> Entry.objects.all()[5:10] # (OFFSET?5?LIMIT?5)
不支持負的索引（例如Entry.objects.all()[-1]）。通常，查詢集?的切片返回一個新的查詢集?—— 它不會執行查詢。
可迭代
articleList=models.Article.objects.all()for article in articleList:print(article.title)
惰性查詢
查詢集?是惰性執行的 —— 創建查詢集不會帶來任何數據庫的訪問。你可以將過濾器保持一整天，直到查詢集?需要求值時，Django 才會真正運行這個查詢。
| 1 2 3 4 5 6 | queryResult=models.Article.objects.all() #?not?hits?databaseprint(queryResult) # hits?databasefor?article?in?queryResult:????print(article.title)??? # hits?database |
?一般來說，只有在“請求”查詢集?的結果時才會到數據庫中去獲取它們。當你確實需要結果時，查詢集?通過訪問數據庫來求值。?關于求值發生的準確時間，參見何時計算查詢集。
緩存機制
每個查詢集都包含一個緩存來最小化對數據庫的訪問。理解它是如何工作的將讓你編寫最高效的代碼。
在一個新創建的查詢集中，緩存為空。首次對查詢集進行求值 —— 同時發生數據庫查詢 ——Django 將保存查詢的結果到查詢集的緩存中并返回明確請求的結果（例如，如果正在迭代查詢集，則返回下一個結果）。接下來對該查詢集?的求值將重用緩存的結果。
請牢記這個緩存行為，因為對查詢集使用不當的話，它會坑你的。例如，下面的語句創建兩個查詢集，對它們求值，然后扔掉它們：
| 1 2 | print([a.title?for?a?in?models.Article.objects.all()])print([a.create_time?for?a?in?models.Article.objects.all()]) |
這意味著相同的數據庫查詢將執行兩次，顯然倍增了你的數據庫負載。同時，還有可能兩個結果列表并不包含相同的數據庫記錄，因為在兩次請求期間有可能有Article被添加進來或刪除掉。為了避免這個問題，只需保存查詢集并重新使用它：
| 1 2 3 | queryResult=models.Article.objects.all()print([a.title?for?a?in?queryResult])print([a.create_time?for?a?in?queryResult]) |
何時查詢集不會被緩存?
查詢集不會永遠緩存它們的結果。當只對查詢集的部分進行求值時會檢查緩存， 如果這個部分不在緩存中，那么接下來查詢返回的記錄都將不會被緩存。所以，這意味著使用切片或索引來限制查詢集將不會填充緩存。
例如，重復獲取查詢集對象中一個特定的索引將每次都查詢數據庫：
| 1 2 3 | >>> queryset?=?Entry.objects.all()>>>?print?queryset[5]?# Queries the database>>>?print?queryset[5]?# Queries the database again |
然而，如果已經對全部查詢集求值過，則將檢查緩存：
| 1 2 3 4 | >>> queryset?=?Entry.objects.all()>>> [entry?for?entry?in?queryset]?# Queries the database>>>?print?queryset[5]?# Uses cache>>>?print?queryset[5]?# Uses cache |
下面是一些其它例子，它們會使得全部的查詢集被求值并填充到緩存中：
| 1 2 3 4 | >>> [entry?for?entry?in?queryset]>>>?bool(queryset)>>> entry?in?queryset>>>?list(queryset) |
注：簡單地打印查詢集不會填充緩存。
exists()與iterator()方法
exists：
簡單的使用if語句進行判斷也會完全執行整個queryset并且把數據放入cache，雖然你并不需要這些 數據！為了避免這個，可以用exists()方法來檢查是否有數據：
if queryResult.exists():#SELECT (1) AS "a" FROM "blog_article" LIMIT 1; args=()print("exists...") iterator:
當queryset非常巨大時，cache會成為問題。
處理成千上萬的記錄時，將它們一次裝入內存是很浪費的。更糟糕的是，巨大的queryset可能會鎖住系統 進程，讓你的程序瀕臨崩潰。要避免在遍歷數據的同時產生queryset cache，可以使用iterator()方法 來獲取數據，處理完數據就將其丟棄。
objs = Book.objects.all().iterator() # iterator()可以一次只從數據庫獲取少量數據，這樣可以節省內存 for obj in objs:print(obj.title) #BUT,再次遍歷沒有打印,因為迭代器已經在上一次遍歷(next)到最后一次了,沒得遍歷了 for obj in objs:print(obj.title)
當然，使用iterator()方法來防止生成cache，意味著遍歷同一個queryset時會重復執行查詢。所以使 #用iterator()的時候要當心，確保你的代碼在操作一個大的queryset時沒有重復執行查詢。
總結:
queryset的cache是用于減少程序對數據庫的查詢，在通常的使用下會保證只有在需要的時候才會查詢數據庫。 使用exists()和iterator()方法可以優化程序對內存的使用。不過，由于它們并不會生成queryset cache，可能 會造成額外的數據庫查詢。
中介模型
處理類似搭配 pizza 和 topping 這樣簡單的多對多關系時，使用標準的ManyToManyField? 就可以了。但是，有時你可能需要關聯數據到兩個模型之間的關系上。
例如，有這樣一個應用，它記錄音樂家所屬的音樂小組。我們可以用一個ManyToManyField?表示小組和成員之間的多對多關系。但是，有時你可能想知道更多成員關系的細節，比如成員是何時加入小組的。
對于這些情況，Django 允許你指定一個中介模型來定義多對多關系。?你可以將其他字段放在中介模型里面。源模型的ManyToManyField?字段將使用through?參數指向中介模型。對于上面的音樂小組的例子，代碼如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | from?django.db?import?modelsclass?Person(models.Model):????name?=?models.CharField(max_length=128)????def?__str__(self):??????????????# __unicode__ on Python 2????????return?self.nameclass?Group(models.Model):????name?=?models.CharField(max_length=128)????members?=?models.ManyToManyField(Person, through='Membership')????def?__str__(self):??????????????# __unicode__ on Python 2????????return?self.nameclass?Membership(models.Model):????person?=?models.ForeignKey(Person)????group?=?models.ForeignKey(Group)????date_joined?=?models.DateField()????invite_reason?=?models.CharField(max_length=64) |
既然你已經設置好ManyToManyField?來使用中介模型（在這個例子中就是Membership），接下來你要開始創建多對多關系。你要做的就是創建中介模型的實例：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | >>> 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>] |
與普通的多對多字段不同，你不能使用add、?create和賦值語句（比如，beatles.members?=?[...]）來創建關系：
| 1 2 3 4 5 6 | # 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] |
為什么不能這樣做？?這是因為你不能只創建?Person和?Group之間的關聯關系，你還要指定?Membership模型中所需要的所有信息；而簡單的add、create?和賦值語句是做不到這一點的。所以它們不能在使用中介模型的多對多關系中使用。此時，唯一的辦法就是創建中介模型的實例。
?remove()方法被禁用也是出于同樣的原因。但是clear()?方法卻是可用的。它可以清空某個實例所有的多對多關系：
| 1 2 3 4 5 | >>>?# Beatles have broken up>>> beatles.members.clear()>>>?# Note that this deletes the intermediate model instances>>> Membership.objects.all()[] |
查詢優化
表數據
select_related
簡單使用
對于一對一字段（OneToOneField）和外鍵字段（ForeignKey），可以使用select_related 來對QuerySet進行優化。
select_related?返回一個QuerySet，當執行它的查詢時它沿著外鍵關系查詢關聯的對象的數據。它會生成一個復雜的查詢并引起性能的損耗，但是在以后使用外鍵關系時將不需要數據庫查詢。
簡單說，在對QuerySet使用select_related()函數后，Django會獲取相應外鍵對應的對象，從而在之后需要的時候不必再查詢數據庫了。
下面的例子解釋了普通查詢和select_related()?查詢的區別。
查詢id=2的文章的分類名稱,下面是一個標準的查詢：
| 1 2 3 4 5 | # Hits the database.article=models.Article.objects.get(nid=2)# Hits the database again to get the related Blog object.print(article.category.title) |
?如果我們使用select_related()函數：
| 1 2 3 4 5 6 7 | articleList=models.Article.objects.select_related("category").all()????for?article_obj?in?articleList:????????#? Doesn't hit the?database, because article_obj.category????????#? has been prepopulated?in?the previous query.????????print(article_obj.category.title) |
多外鍵查詢
這是針對category的外鍵查詢，如果是另外一個外鍵呢？讓我們一起看下：
| 1 2 | article=models.Article.objects.select_related("category").get(nid=1)print(article.articledetail) |
?觀察logging結果，發現依然需要查詢兩次，所以需要改為：
| 1 2 | article=models.Article.objects.select_related("category","articledetail").get(nid=1)print(article.articledetail) |
?或者：
article=models.Article.objects
.select_related("category")
.select_related("articledetail")
.get(nid=1) # django 1.7 支持鏈式操作 print(article.articledetail)
?
深層查詢
| 1 2 3 4 | # 查詢id=1的文章的用戶姓名????article=models.Article.objects.select_related("blog").get(nid=1)????print(article.blog.user.username) |
?依然需要查詢兩次：
?這是因為第一次查詢沒有query到userInfo表，所以，修改如下：
| 1 2 | article=models.Article.objects.select_related("blog__user").get(nid=1)print(article.blog.user.username) |
總結
- select_related主要針一對一和多對一關系進行優化。
- select_related使用SQL的JOIN語句進行優化，通過減少SQL查詢的次數來進行優化、提高性能。
- 可以通過可變長參數指定需要select_related的字段名。也可以通過使用雙下劃線“__”連接字段名來實現指定的遞歸查詢。
- 沒有指定的字段不會緩存，沒有指定的深度不會緩存，如果要訪問的話Django會再次進行SQL查詢。
- 也可以通過depth參數指定遞歸的深度，Django會自動緩存指定深度內所有的字段。如果要訪問指定深度外的字段，Django會再次進行SQL查詢。
- 也接受無參數的調用，Django會盡可能深的遞歸查詢所有的字段。但注意有Django遞歸的限制和性能的浪費。
- Django >= 1.7，鏈式調用的select_related相當于使用可變長參數。Django < 1.7，鏈式調用會導致前邊的select_related失效，只保留最后一個。
prefetch_related()
對于多對多字段（ManyToManyField）和一對多字段，可以使用prefetch_related()來進行優化。
prefetch_related()和select_related()的設計目的很相似，都是為了減少SQL查詢的數量，但是實現的方式不一樣。后者是通過JOIN語句，在SQL查詢內解決問題。但是對于多對多關系，使用SQL語句解決就顯得有些不太明智，因為JOIN得到的表將會很長，會導致SQL語句運行時間的增加和內存占用的增加。若有n個對象，每個對象的多對多字段對應Mi條，就會生成Σ(n)Mi 行的結果表。
prefetch_related()的解決方法是，分別查詢每個表，然后用Python處理他們之間的關系。
| 1 2 3 4 5 | # 查詢所有文章關聯的所有標簽????article_obj=models.Article.objects.all()????for?i?in?article_obj:????????print(i.tags.all())? #4篇文章: hits?database?5 |
改為prefetch_related：
| 1 2 3 4 5 | # 查詢所有文章關聯的所有標簽????article_obj=models.Article.objects.prefetch_related("tags").all()????for?i?in?article_obj:????????print(i.tags.all())? #4篇文章: hits?database?2 |
extra
extra(select=None, where=None, params=None,
tables=None, order_by=None, select_params=None)
有些情況下，Django的查詢語法難以簡單的表達復雜的?WHERE?子句，對于這種情況, Django 提供了?extra()?QuerySet修改機制 — 它能在?QuerySet生成的SQL從句中注入新子句
extra可以指定一個或多個?參數,例如?select,?where?or?tables.?這些參數都不是必須的，但是你至少要使用一個!要注意這些額外的方式對不同的數據庫引擎可能存在移植性問題.(因為你在顯式的書寫SQL語句),除非萬不得已,盡量避免這樣做
參數之select
The?select?參數可以讓你在?SELECT?從句中添加其他字段信息，它應該是一個字典，存放著屬性名到 SQL 從句的映射。
queryResult=models.Article
.objects.extra(select={'is_recent': "create_time > '2017-09-05'"})
結果集中每個 Entry 對象都有一個額外的屬性is_recent, 它是一個布爾值，表示 Article對象的create_time 是否晚于2017-09-05.
練習：
# in sqlite:article_obj=models.Article.objects
.filter(nid=1)
.extra(select={"standard_time":"strftime('%%Y-%%m-%%d',create_time)"})
.values("standard_time","nid","title")print(article_obj)# <QuerySet [{'title': 'MongoDb 入門教程', 'standard_time': '2017-09-03', 'nid': 1}]>
參數之where?/?tables
您可以使用where定義顯式SQL?WHERE子句 - 也許執行非顯式連接。您可以使用tables手動將表添加到SQL?FROM子句。
where和tables都接受字符串列表。所有where參數均為“與”任何其他搜索條件。
舉例來講：
queryResult=models.Article
.objects.extra(where=['nid in (1,3) OR title like "py%" ','nid>2'])
整體插入
創建對象時，盡可能使用bulk_create()來減少SQL查詢的數量。例如：
Entry.objects.bulk_create([Entry(headline="Python 3.0 Released"),Entry(headline="Python 3.1 Planned")
])
...更優于：
Entry.objects.create(headline="Python 3.0 Released")
Entry.objects.create(headline="Python 3.1 Planned")
注意該方法有很多注意事項，所以確保它適用于你的情況。
這也可以用在ManyToManyFields中，所以：
my_band.members.add(me, my_friend)
...更優于：
my_band.members.add(me)
my_band.members.add(my_friend)
...其中Bands和Artists具有多對多關聯。
實現跨組件通信)
