标签:ref 可变长参数 一般来说 ant 字段 lan select ase rev
本节目录
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。
articleList=models.Article.objects.all()
for article in articleList:
print(article.title)
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。
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])
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
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...")
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。
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``()``[]
表数据
View Code
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"``);
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,)
# 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;
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);``
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
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}]>
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'])
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。
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。
articleList=models.Article.objects.all()
for article in articleList:
print(article.title)
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。
标签:ref 可变长参数 一般来说 ant 字段 lan select ase rev
原文地址:https://www.cnblogs.com/hualibokeyuan/p/11622432.html