django - 总结 - ORM性能

QuerySet

1、惰性查询

2、缓存机制

3、可迭代

4、可切片

-------------------------------------------------------
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。

注意,当迭代完以后，第二次查询，仍会操作数据库
何时查询集不会被缓存?

1、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

2、已经对全部查询集求过值，则将检查缓存

3、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

queryset = Entry.objects.all()

[entry for entry in queryset] # Queries the database

print queryset[5] # Uses cache

print queryset[5] # Uses cache

4、简单地打印查询集不会填充缓存。

exists()与iterator()方法

exists: 只是简单判断queryset集是否有数据,但并不需要这些数据,用exists

iterator:当数据量非常庞大时,一次性装入内存是非常糟糕的,

　　　　iterator()可以一次只从数据库获取少量数据，这样可以节省内存, 迭代器协议

注意：虽然iterator可以防止生成cache,但意味着遍历同一个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。

中介模型

就是多对多模型的第三张表,有时我们不仅需要有两个foreign key,还要有一些其他的信息,因此我们需要添加一些其他的字段。

那么此时我们就不能用add,set,create这些方法来给第三张表添加数据

此时那么我们就需要用

m1=Book2auth(person=paul, group=beatles,date_joined=date(1960, 8, 1))

m1.save()

m2 = Book2auth.objects.create(person=paul, group=beatles,date_joined=date(1960, 8, 1))

这两种方法来添加了

select_related与prefetch_related与defer与only

与性能有关

models.User.objects.all().only('id','name','age')        # 只取

models.User.objects.all().defer('id','name','age')       # 排除
only,defer   查出来的也是queryset类型，包含一个个obj
查出来的是queryset类型，其中包含一个个对象，但当获取obj以外的字段外，会另外发起一次数据库查询

select_related用于一对一和外键查询是对QuerySet进行了优化,会沿着外键关系查询对象的数据,但会生成一个复杂的查询并引起性能的损耗,但以后在使用外键关系时不需要数据库查询（join连表操作）

多外键查询

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

print(article.articledetail)                两次查询

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

print(article.articledetail)

查询一次

深层查询

article=models.Article.objects.select_related("blog").get(nid=1)

    print(article.blog.user.username)      依然要查询两次

因为第一次没有查询到userinfo表

article=models.Article.objects.select_related("blog__user").get(nid=1)

print(article.blog.user.username)

一次

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。

总结

prefetch_related()　　子查询

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。

多次单表操作，先查询想要的数据，然后构造条件，如：id=[,,]，再次查询其他表根据id做条件

# 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

extra

models.Book.objects.extra(

    select={"standard_time": "strftime('%%Y-%%m--%%d',create_time)'"},  
　　　　　　# 可以再select语句中添加其他字段信息　　　　select ***  from   ***  as   B

    select_params=(),

    where=['nid in (1,3) OR title like "%s"', 'nid>2'],  # 各个条件之间为且的关系

    params=["py", ],  # 与where对应

    tables=None,

    order_by=["-nid", ],

)

raw

name_map = {'first': 'first_name', 'last': 'last_name', 'bd': 'birth_date', 'pk': 'id'}
# 如果SQL是其他表时，必须将名字设置为当前UserInfo对象的主键列名

models.Book.objects.raw("select id as nid from asd_userinfo",params=[],translations=name_map)　　# 对应关系

- 原生SQL

from django.db import connection, connections

cursor = connection.cursor()  # cursor = connections['default'].cursor()

cursor.execute("""SELECT * from auth_user where id = %s""", [1])

row = cursor.fetchone() # fetchall()/fetchmany(..)

PS: 选择数据库

queryset = models.Course.objects.using('default').all()　　# setting DATABASES  是一个字典，里面默认只有default一个数据库。

日期截断

在获取日期对象时截取年月

data_format（obj,"%Y-%m"）             #   针对mysql

strftime("%%Y-%%m",obj)               #    针对sqlite