07.Django学习之model进阶

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。　　

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

class userinfo(abstractuser):
    """
    用户信息
    """
    nid = models.bigautofield(primary_key=true)
    nickname = models.charfield(verbose_name='昵称', max_length=32)
    telephone = models.charfield(max_length=11, blank=true, null=true, unique=true, verbose_name='手机号码')
    avatar = models.filefield(verbose_name='头像',upload_to = 'avatar/',default="/avatar/default.png")
    create_time = models.datetimefield(verbose_name='创建时间', auto_now_add=true)
 
    fans = models.manytomanyfield(verbose_name='粉丝们',
                                  to='userinfo',
                                  through='userfans',
                                  related_name='f',
                                  through_fields=('user', 'follower'))
 
    def __str__(self):
        return self.username
 
class userfans(models.model):
    """
    互粉关系表
    """
    nid = models.autofield(primary_key=true)
    user = models.foreignkey(verbose_name='博主', to='userinfo', to_field='nid', related_name='users')
    follower = models.foreignkey(verbose_name='粉丝', to='userinfo', to_field='nid', related_name='followers')
 
class blog(models.model):
 
    """
    博客信息
    """
    nid = models.bigautofield(primary_key=true)
    title = models.charfield(verbose_name='个人博客标题', max_length=64)
    site = models.charfield(verbose_name='个人博客后缀', max_length=32, unique=true)
    theme = models.charfield(verbose_name='博客主题', max_length=32)
    user = models.onetoonefield(to='userinfo', to_field='nid')
    def __str__(self):
        return self.title
 
class category(models.model):
    """
    博主个人文章分类表
    """
    nid = models.autofield(primary_key=true)
    title = models.charfield(verbose_name='分类标题', max_length=32)
 
    blog = models.foreignkey(verbose_name='所属博客', to='blog', to_field='nid')
 
class article(models.model):
 
    nid = models.bigautofield(primary_key=true)
    title = models.charfield(max_length=50, verbose_name='文章标题')
    desc = models.charfield(max_length=255, verbose_name='文章描述')
    read_count = models.integerfield(default=0)
    comment_count= models.integerfield(default=0)
    up_count = models.integerfield(default=0)
    down_count = models.integerfield(default=0)
    category = models.foreignkey(verbose_name='文章类型', to='category', to_field='nid', null=true)
    create_time = models.datefield(verbose_name='创建时间')
    blog = models.foreignkey(verbose_name='所属博客', to='blog', to_field='nid')
    tags = models.manytomanyfield(
        to="tag",
        through='article2tag',
        through_fields=('article', 'tag'),
)
 
 
class articledetail(models.model):
    """
    文章详细表
    """
    nid = models.autofield(primary_key=true)
    content = models.textfield(verbose_name='文章内容', )
 
    article = models.onetoonefield(verbose_name='所属文章', to='article', to_field='nid')
 
 
class comment(models.model):
    """
    评论表
    """
    nid = models.bigautofield(primary_key=true)
    article = models.foreignkey(verbose_name='评论文章', to='article', to_field='nid')
    content = models.charfield(verbose_name='评论内容', max_length=255)
    create_time = models.datetimefield(verbose_name='创建时间', auto_now_add=true)
 
    parent_comment = models.foreignkey('self', blank=true, null=true, verbose_name='父级评论')
    user = models.foreignkey(verbose_name='评论者', to='userinfo', to_field='nid')
 
    up_count = models.integerfield(default=0)
 
    def __str__(self):
        return self.content
 
class articleupdown(models.model):
    """
    点赞表
    """
    nid = models.autofield(primary_key=true)
    user = models.foreignkey('userinfo', null=true)
    article = models.foreignkey("article", null=true)
    models.booleanfield(verbose_name='是否赞')
 
class commentup(models.model):
    """
    点赞表
    """
    nid = models.autofield(primary_key=true)
    user = models.foreignkey('userinfo', null=true)
    comment = models.foreignkey("comment", null=true)
 
 
class tag(models.model):
    nid = models.autofield(primary_key=true)
    title = models.charfield(verbose_name='标签名称', max_length=32)
    blog = models.foreignkey(verbose_name='所属博客', to='blog', to_field='nid')
 
 
 
class article2tag(models.model):
    nid = models.autofield(primary_key=true)
    article = models.foreignkey(verbose_name='文章', to="article", to_field='nid')
    tag = models.foreignkey(verbose_name='标签', to="tag", to_field='nid')

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。