Django学习之model进阶

本节目录

• 一 QuerySet
• 二 中介模型
• 三 查询优化
• 四 extra
• 五 整体插入
• 六 xxx
• 七 xxx
• 八 xxx

一 QuerySet

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。

>>> Entry.objects.``all``()[:5]      # (LIMIT 5)
>>> Entry.objects.all()[5:10]    # (OFFSET 5 LIMIT 5)

不支持负的索引（例如Entry.objects.all()[-1]）。通常，查询集 的切片返回一个新的查询集 —— 它不会执行查询。

可迭代

articleList=models.Article.objects.all()

for article in articleList:
    print(article.title)

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。你可以将过滤器保持一整天，直到查询集 需要求值时，Django 才会真正运行这个查询。（关于惰性是不是在迭代器的地方听过呀）

queryResult=models.Article.objects.``all``() # ``not hits ``database，通过看到的打印的翻译出来的sql语句记录，你会发现单纯的这句话并没有sql语句打印 print(queryResult) # hits ``database for article ``in queryResult:`` ``print(article.title) # hits ``database if判断的时候也会执行，if queryResult:pass

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。 关于求值发生的准确时间，参见何时计算查询集。　　

缓存机制

每个查询集都包含一个缓存来最小化对数据库的访问。理解它是如何工作的将让你编写最高效的代码。叫做queryset缓存空间

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(非简单查询的查询结果，简单查询往下看。)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。

请牢记这个缓存行为，因为对查询集使用不当的话，它会坑你的。例如，下面的语句创建两个查询集，对它们求值，然后扔掉它们：

print([a.title ``for` `a ``in` `models.Article.objects.``all``()])``print([a.create_time ``for` `a ``in` `models.Article.objects.``all``()])

这意味着相同的数据库查询将执行两次，显然倍增了你的数据库负载。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Article被添加进来或删除掉。为了避免这个问题，只需保存查询集并重新使用它：

queryResult=models.Article.objects.``all``()``print([a.title ``for` `a ``in` `queryResult])``print([a.create_time ``for` `a ``in` `queryResult])

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。

例如，重复获取查询集对象中一个特定的索引将每次都查询数据库：

>>> queryset ``=` `Entry.objects.``all``()``>>> ``print` `queryset[``5``] ``# Queries the database``>>> ``print` `queryset[``5``] ``# Queries the database again

然而，如果已经对全部查询集求值过，则将检查缓存：

>>> 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，它们会使得全部的查询集被求值并填充到缓存中：

>>> [entry ``for` `entry ``in` `queryset]``>>> ``bool``(queryset)``>>> entry ``in` `queryset``>>> ``list``(queryset)

注意：简单地打印查询集不会填充缓存。

queryResult=models.Article.objects.all()
print(queryResult) #  hits database
print(queryResult) #  hits database

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：

 if queryResult.exists():
    #SELECT (1) AS "a" FROM "blog_article" LIMIT 1; args=()
        print("exists...")

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 = Book.objects.all().iterator()  --- objs变成了一个生成器，生成器也是迭代器，但是生成器有个特点，就是取完值就不能再取了
# 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)
#BUT,再次遍历没有打印,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。

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。　

二 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``()``[]

三 查询优化

表数据

View Code

select_related

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.``article``=``models.Article.objects.get(nid``=``2``)` `# Hits the database again to get the related Blog object.``print``(article.category.title)
''``'` `SELECT``    ``"blog_article"."nid",``    ``"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"."nid" = 2; args=(2,)` `SELECT``     ``"blog_category"."nid",``     ``"blog_category"."title",``     ``"blog_category"."blog_id"``              ``FROM "blog_category"``              ``WHERE "blog_category"."nid" = 4; args=(4,)`  `'``''

如果我们使用select_related()函数：

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)
SELECT``     ``"blog_article"``.``"nid"``,``     ``"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"``.``"nid"``,``     ``"blog_category"``.``"title"``,``     ``"blog_category"``.``"blog_id"` `FROM` `"blog_article"``LEFT` `OUTER` `JOIN` `"blog_category"` `ON` `(``"blog_article"``.``"category_id"` `= ``"blog_category"``.``"nid"``);

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：

article=models.Article.objects.select_related(``"category"``).get(nid=1)``print(article.articledetail)

观察logging结果，发现依然需要查询两次，所以需要改为：

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 支持链式操作
print(article.articledetail)

SELECT` `    ``"blog_article"``.``"nid"``,``    ``"blog_article"``.``"title"``,``    ``......` `    ``"blog_category"``.``"nid"``,``    ``"blog_category"``.``"title"``,``    ``"blog_category"``.``"blog_id"``,` `    ``"blog_articledetail"``.``"nid"``,``    ``"blog_articledetail"``.``"content"``,``    ``"blog_articledetail"``.``"article_id"` `   ``FROM` `"blog_article"``   ``LEFT` `OUTER` `JOIN` `"blog_category"` `ON` `(``"blog_article"``.``"category_id"` `= ``"blog_category"``.``"nid"``)``   ``LEFT` `OUTER` `JOIN` `"blog_articledetail"` `ON` `(``"blog_article"``.``"nid"` `= ``"blog_articledetail"``.``"article_id"``)``   ``WHERE` `"blog_article"``.``"nid"` `= 1; args=(1,)

深层查询

# 查询id=1的文章的用户姓名` `    ``article=models.Article.objects.select_related(``"blog"``).get(nid=1)``    ``print(article.blog.``user``.username)

依然需要查询两次：

SELECT``    ``"blog_article"``.``"nid"``,``    ``"blog_article"``.``"title"``,``    ``......` `     ``"blog_blog"``.``"nid"``,``     ``"blog_blog"``.``"title"``,` `   ``FROM` `"blog_article"` `INNER` `JOIN` `"blog_blog"` `ON` `(``"blog_article"``.``"blog_id"` `= ``"blog_blog"``.``"nid"``)``   ``WHERE` `"blog_article"``.``"nid"` `= 1;`    `SELECT``    ``"blog_userinfo"``.``"password"``,``    ``"blog_userinfo"``.``"last_login"``,``    ``......` `FROM` `"blog_userinfo"``WHERE` `"blog_userinfo"``.``"nid"` `= 1;

这是因为第一次查询没有query到userInfo表，所以，修改如下：

article=models.Article.objects.select_related(``"blog__user"``).get(nid=1)``print(article.blog.``user``.username)
SELECT` `"blog_article"``.``"nid"``, ``"blog_article"``.``"title"``,``......` ` ``"blog_blog"``.``"nid"``, ``"blog_blog"``.``"title"``,``......` ` ``"blog_userinfo"``.``"password"``, ``"blog_userinfo"``.``"last_login"``,``......` `FROM` `"blog_article"` `INNER` `JOIN` `"blog_blog"` `ON` `(``"blog_article"``.``"blog_id"` `= ``"blog_blog"``.``"nid"``)` `INNER` `JOIN` `"blog_userinfo"` `ON` `(``"blog_blog"``.``"user_id"` `= ``"blog_userinfo"``.``"nid"``)``WHERE` `"blog_article"``.``"nid"` `= 1;

总结

1. select_related主要针一对一和多对一关系进行优化。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。

# 查询所有文章关联的所有标签``    ``article_obj=models.Article.objects.``all``()``    ``for` `i ``in` `article_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``    ``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
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

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

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=models.Article
　　　　　　　　　　　.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:
    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 入门教程', 'standard_time': '2017-09-03', 'nid': 1}]>

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=models.Article
　　　　　　　　　　　.objects.extra(where=['nid in (1,3) OR title like "py%" ','nid>2'])

回到顶部

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：

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。

五 xxx

六 xxx

七 xxx

八 xxx

　　

回到顶部

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。

>>> Entry.objects.``all``()[:5]      # (LIMIT 5)
>>> Entry.objects.all()[5:10]    # (OFFSET 5 LIMIT 5)

不支持负的索引（例如Entry.objects.all()[-1]）。通常，查询集 的切片返回一个新的查询集 —— 它不会执行查询。

可迭代

articleList=models.Article.objects.all()

for article in articleList:
    print(article.title)

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。你可以将过滤器保持一整天，直到查询集 需要求值时，Django 才会真正运行这个查询。

queryResult=models.Article.objects.``all``() # ``not` `hits ``database` `print(queryResult) # hits ``database` `for` `article ``in` `queryResult:``    ``print(article.title)    # hits ``database

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。 关于求值发生的准确时间，参见何时计算查询集。