导读
本文着重讲解对 Django ORM 操作的优化 以及 提高效率的常用方法
好文章 记得收藏+点赞+关注额 !!!---- Nick.Peng
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
ortables
. 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()
[]