一、多表操作
创建模型
实例：我们来假定下面这些概念，字段和关系
作者模型：一个作者有姓名和年龄。
作者详细模型：把作者的详情放到详情表，包含生日，手机号，家庭住址等信息。作者详情模型和作者模型之间是一对一的关系（one-to-one）
出版商模型：出版商有名称，所在城市以及email。
书籍模型： 书籍有书名和出版日期，一本书可能会有多个作者，一个作者也可以写多本书，所以作者和书籍的关系就是多对多的关联关系(many-to-many);一本书只应该由一个出版商出版，所以出版商和书籍是一对多关联关系(one-to-many)。
模型建立如下：
from django.db import models# Create your models here.class Author(models.Model): nid = models.AutoField(primary_key=True) name=models.CharField( max_length=32) age=models.IntegerField() # 与AuthorDetail建立一对一的关系 authorDetail=models.OneToOneField(to="AuthorDetail",on_delete=models.CASCADE)class AuthorDetail(models.Model): nid = models.AutoField(primary_key=True) birthday=models.DateField() telephone=models.BigIntegerField() addr=models.CharField( max_length=64)class Publish(models.Model): nid = models.AutoField(primary_key=True) name=models.CharField( max_length=32) city=models.CharField( max_length=32) email=models.EmailField()class Book(models.Model): nid = models.AutoField(primary_key=True) title = models.CharField( max_length=32) publishDate=models.DateField() price=models.DecimalField(max_digits=5,decimal_places=2) # 与Publish建立一对多的关系,外键字段建立在多的一方 publish=models.ForeignKey(to="Publish",to_field="nid",on_delete=models.CASCADE) # 与Author表建立多对多的关系,ManyToManyField可以建在两个模型中的任意一个，自动创建第三张表 authors=models.ManyToManyField(to='Author',)
生成表如下：
注意事项：
- 表的名称
myapp_modelName，是根据 模型中的元数据自动生成的，也可以覆写为别的名称 id字段是自动添加的- 对于外键字段，Django 会在字段名上添加"_id" 来创建数据库中的列名
- 这个例子中的
CREATE TABLESQL 语句使用PostgreSQL 语法格式，要注意的是Django 会根据settings 中指定的数据库类型来使用相应的SQL 语句。 - 定义好模型之后，你需要告诉Django _使用_这些模型。你要做的就是修改配置文件中的INSTALL_APPSZ中设置，在其中添加
models.py所在应用的名称。 - 外键字段 ForeignKey 有一个 null=True 的设置(它允许外键接受空值 NULL)，你可以赋给它空值 None 。
添加表记录
操作前先简单的录入一些数据：
publish表：
author表：
authordetail表:
一对多
| 1 2 3 4 5 6 | 方式 1 : publish_obj = Publish.objects.get(nid = 1 ) book_obj = Book.objects.create(title = "金瓶眉" ,publishDate = "2012-12-12" ,price = 100 ,publish = publish_obj) 方式 2 : book_obj = Book.objects.create(title = "金瓶眉" ,publishDate = "2012-12-12" ,price = 100 ,publish_id = 1 ) |
核心：book_obj.publish与book_obj.publish_id是什么？
多对多
# 当前生成的书籍对象 book_obj=Book.objects.create(title="追风筝的人",price=200,publishDate="2012-11-12",publish_id=1) # 为书籍绑定的做作者对象 yuan=Author.objects.filter(name="yuan").first() # 在Author表中主键为2的纪录 egon=Author.objects.filter(name="alex").first() # 在Author表中主键为1的纪录 # 绑定多对多关系,即向关系表book_authors中添加纪录 book_obj.authors.add(yuan,egon) # 将某些特定的 model 对象添加到被关联对象集合中。 ======= book_obj.authors.add(*[])
数据库表纪录生成如下：
book表
book_authors表
核心:book_obj.authors.all()是什么？
多对多关系其它常用API：
| 1 2 3 | book_obj.authors.remove() # 将某个特定的对象从被关联对象集合中去除。 ====== book_obj.authors.remove(*[]) book_obj.authors.clear() #清空被关联对象集合 book_obj.authors. set () #先清空再设置 |
二、基于对象的跨表查询
一对多查询（Publish与Book）
正向查询(按字段：publish)：
| 1 2 3 4 | # 查询主键为1的书籍的出版社所在的城市 book_obj = Book.objects. filter (pk = 1 ).first() # book_obj.publish 是主键为1的书籍对象关联的出版社对象 print (book_obj.publish.city) |
反向查询(按表名：book_set)：
| 1 2 3 4 5 | publish = Publish.objects.get(name = "苹果出版社" ) #publish.book_set.all() : 与苹果出版社关联的所有书籍对象集合 book_list = publish.book_set. all () for book_obj in book_list: print (book_obj.title) |
一对一查询（Author与AuthorDetail）
正向查询(按字段：authorDetail)：
| 1 2 | egon = Author.objects. filter (name = "egon" ).first() print (egon.authorDetail.telephone) |
反向查询(按表名：author)：
| 1 2 3 4 5 | # 查询所有住址在北京的作者的姓名 authorDetail_list = AuthorDetail.objects. filter (addr = "beijing" ) for obj in authorDetail_list: print (obj.author.name) |
多对多查询（Author与Book）
正向查询(按字段：authors)：
| 1 2 3 4 5 6 | # 金瓶眉所有作者的名字以及手机号 book_obj = Book.objects. filter (title = "金瓶眉" ).first() authors = book_obj.authors. all () for author_obj in authors: print (author_obj.name,author_obj.authorDetail.telephone) |
反向查询(按表名：book_set)：
| 1 2 3 4 5 6 | # 查询egon出过的所有书籍的名字 author_obj = Author.objects.get(name = "egon" ) book_list = author_obj.book_set. all () #与egon作者相关的所有书籍 for book_obj in book_list: print (book_obj.title) |
注意：
你可以通过在 ForeignKey() 和ManyToManyField的定义中设置 related_name 的值来覆写 FOO_set 的名称。例如，如果 Article model 中做一下更改：
| 1 | publish = ForeignKey(Book, related_name = 'bookList' ) |
那么接下来就会如我们看到这般：
| 1 2 3 4 | # 查询 人民出版社出版过的所有书籍 publish = Publish.objects.get(name = "人民出版社" ) book_list = publish.bookList. all () # 与人民出版社关联的所有书籍对象集合 |
三、基于双下划的跨表查询
Django 还提供了一种直观而高效的方式在查询(lookups)中表示关联关系，它能自动确认 SQL JOIN 联系。要做跨关系查询，就使用两个下划线来链接模型(model)间关联字段的名称，直到最终链接到你想要的model 为止。
''' 正向查询按字段,反向查询按表名小写用来告诉ORM引擎join哪张表 '''
一对一查询
# 查询alex的手机号 # 正向查询 ret=Author.objects.filter(name="alex").values("authordetail__telephone") # 反向查询 ret=AuthorDetail.objects.filter(author__name="alex").values("telephone") 一对多查询
# 练习: 查询苹果出版社出版过的所有书籍的名字与价格(一对多) # 正向查询 按字段:publish queryResult=Book.objects .filter(publish__name="苹果出版社") .values_list("title","price") # 反向查询 按表名:book queryResult=Publish.objects .filter(name="苹果出版社") .values_list("book__title","book__price") 多对多查询
# 练习: 查询alex出过的所有书籍的名字(多对多) # 正向查询 按字段:authors: queryResult=Book.objects .filter(authors__name="yuan") .values_list("title") # 反向查询 按表名:book queryResult=Author.objects .filter(name="yuan") .values_list("book__title","book__price") 进阶练习（连续跨表）
# 练习: 查询人民出版社出版过的所有书籍的名字以及作者的姓名 # 正向查询 queryResult=Book.objects .filter(publish__name="人民出版社") .values_list("title","authors__name") # 反向查询 queryResult=Publish.objects .filter(name="人民出版社") .values_list("book__title","book__authors__age","book__authors__name")# 练习: 手机号以151开头的作者出版过的所有书籍名称以及出版社名称 # 方式1: queryResult=Book.objects .filter(authors__authorDetail__telephone__regex="151") .values_list("title","publish__name") # 方式2: ret=Author.objects .filter(authordetail__telephone__startswith="151") .values("book__title","book__publish__name") related_name
反向查询时，如果定义了related_name ，则用related_name替换表名，例如：
publish = ForeignKey(Blog, related_name='bookList')
# 练习: 查询人民出版社出版过的所有书籍的名字与价格(一对多)# 反向查询 不再按表名:book,而是related_name:bookList queryResult=Publish.objects .filter(name="人民出版社") .values_list("bookList__title","bookList__price") 四、聚合查询与分组查询
聚合
aggregate(*args, **kwargs)
| 1 2 3 4 | # 计算所有图书的平均价格 >>> from django.db.models import Avg >>> Book.objects. all ().aggregate(Avg( 'price' )) { 'price__avg' : 34.35 } |
aggregate()是QuerySet 的一个终止子句，意思是说，它返回一个包含一些键值对的字典。键的名称是聚合值的标识符，值是计算出来的聚合值。键的名称是按照字段和聚合函数的名称自动生成出来的。如果你想要为聚合值指定一个名称，可以向聚合子句提供它。
| 1 2 | >>> Book.objects.aggregate(average_price = Avg( 'price' )) { 'average_price' : 34.35 } |
如果你希望生成不止一个聚合，你可以向aggregate()子句中添加另一个参数。所以，如果你也想知道所有图书价格的最大值和最小值，可以这样查询：
| 1 2 3 | >>> from django.db.models import Avg, Max , Min >>> Book.objects.aggregate(Avg( 'price' ), Max ( 'price' ), Min ( 'price' )) { 'price__avg' : 34.35 , 'price__max' : Decimal( '81.20' ), 'price__min' : Decimal( '12.99' )} |
分组
###################################－－单表分组查询－－#######################################################查询每一个部门名称以及对应的员工数emp:id name age salary dep alex 12 2000 销售部 egon 22 3000 人事部 wen 22 5000 人事部sql语句:select dep,Count(*) from emp group by dep;ORM:emp.objects.values("dep").annotate(c=Count("id")###################################－－多表分组查询－－###########################多表分组查询：查询每一个部门名称以及对应的员工数emp:id name age salary dep_id alex 12 2000 1 egon 22 3000 2 wen 22 5000 2depid name 销售部 人事部emp－dep:id name age salary dep_id id name alex 12 2000 1 1 销售部 egon 22 3000 2 2 人事部 wen 22 5000 2 2 人事部sql语句:select dep.name,Count(*) from emp left join dep on emp.dep_id=dep.id group by dep.idORM:dep.objetcs.values("id").annotate(c=Count("emp")).values("name","c") class Emp(models.Model): name=models.CharField(max_length=32) age=models.IntegerField() salary=models.DecimalField(max_digits=8,decimal_places=2) dep=models.CharField(max_length=32) province=models.CharField(max_length=32)
annotate()为调用的QuerySet中每一个对象都生成一个独立的统计值（统计方法用聚合函数）。总结 ：跨表分组查询本质就是将关联表join成一张表，再按单表的思路进行分组查询。
查询练习
(1) 练习：统计每一个出版社的最便宜的书
| 1 2 3 | publishList = Publish.objects.annotate(MinPrice = Min ( "book__price" )) for publish_obj in publishList: print (publish_obj.name,publish_obj.MinPrice) |
annotate的返回值是querySet，如果不想遍历对象，可以用上valuelist：
queryResult= Publish.objects .annotate(MinPrice=Min("book__price")) .values_list("name","MinPrice")print(queryResult) 
'''SELECT "app01_publish"."name", MIN("app01_book"."price") AS "MinPrice" FROM "app01_publish" LEFT JOIN "app01_book" ON ("app01_publish"."nid" = "app01_book"."publish_id") GROUP BY "app01_publish"."nid", "app01_publish"."name", "app01_publish"."city", "app01_publish"."email" (2) 练习：统计每一本书的作者个数
ret=Book.objects.annotate(authorsNum=Count('authors__name')) (3) 统计每一本以py开头的书籍的作者个数：
queryResult=Book.objects .filter(title__startswith="Py") .annotate(num_authors=Count('authors')) (4) 统计不止一个作者的图书：
queryResult=Book.objects .annotate(num_authors=Count('authors')) .filter(num_authors__gt=1) (5) 根据一本图书作者数量的多少对查询集 QuerySet进行排序:
| 1 | Book.objects.annotate(num_authors = Count( 'authors' )).order_by( 'num_authors' ) |
(6) 查询各个作者出的书的总价格:
# 按author表的所有字段 group by queryResult=Author.objects .annotate(SumPrice=Sum("book__price")) .values_list("name","SumPrice") print(queryResult) 五、F查询与Q查询（F更新数据库得字段，Q构造复杂条件）
F查询
在上面所有的例子中，我们构造的过滤器都只是将字段值与某个常量做比较。如果我们要对两个字段的值做比较，那该怎么做呢？
Django 提供 F() 来做这样的比较。F() 的实例可以在查询中引用字段，来比较同一个 model 实例中两个不同字段的值。
| 1 2 3 4 | # 查询评论数大于收藏数的书籍 from django.db.models import F Book.objects. filter (commnetNum__lt = F( 'keepNum' )) |
Django 支持 F() 对象之间以及 F() 对象和常数之间的加减乘除和取模的操作。
| 1 2 | # 查询评论数大于收藏数2倍的书籍 Book.objects. filter (commnetNum__lt = F( 'keepNum' ) * 2 ) |
修改操作也可以使用F函数,比如将每一本书的价格提高30元：
| 1 | Book.objects. all ().update(price = F( "price" ) + 30 ) |
Q查询
filter() 等方法中的关键字参数查询都是一起进行“AND” 的。 如果你需要执行更复杂的查询（例如OR 语句），你可以使用Q 对象。
| 1 2 | from django.db.models import Q Q(title__startswith = 'Py' ) |
Q 对象可以使用& 和| 操作符组合起来。当一个操作符在两个Q 对象上使用时，它产生一个新的Q 对象。
| 1 | bookList = Book.objects. filter (Q(authors__name = "yuan" )|Q(authors__name = "egon" )) |
等同于下面的SQL WHERE 子句：
| 1 | WHERE name = "yuan" OR name = "egon" |
你可以组合& 和| 操作符以及使用括号进行分组来编写任意复杂的Q 对象。同时，Q 对象可以使用~ 操作符取反，这允许组合正常的查询和取反(NOT) 查询：
| 1 | bookList = Book.objects. filter (Q(authors__name = "yuan" ) & ~Q(publishDate__year = 2017 )).values_list( "title" ) |
查询函数可以混合使用Q 对象和关键字参数。所有提供给查询函数的参数（关键字参数或Q 对象）都将"AND”在一起。但是，如果出现Q 对象，它必须位于所有关键字参数的前面。例如：
| 1 2 3 | bookList = Book.objects. filter (Q(publishDate__year = 2016 ) | Q(publishDate__year = 2017 ), title__icontains = "python" ) |
# 查询是字段名称 # Book.objects.filter(Q(title='yuan')|Q(price='123')) # Q() 查询放str,search_connection = Q() search_connection.connector = 'or' for search_field in self.search_fields: search_connection.children.append((search_field,key_words)) data_list = self.model.objects.all().filter(search_connection)
六、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。
| 1 | >>> 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。
| 1 2 3 4 5 6 | 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。
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。
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。
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：
| 1 2 | 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：
| 1 2 3 | 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：
| 1 2 3 | >>> 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：
| 1 2 3 4 | >>> 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：
| 1 2 3 4 | >>> [entry for entry in queryset] >>> bool (queryset) >>> entry in queryset >>> list (queryset) |
注：简单地打印查询集不会填充缓存。
queryResult=models.Article.objects.all()(queryResult)# hits database(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()# 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。
七、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：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | 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：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | >>> 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：
| 1 2 3 4 5 6 | # 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：
| 1 2 3 4 5 | >>> # Beatles have broken up >>> beatles.members.clear() >>> # Note that this deletes the intermediate model instances >>> Membership.objects. all () [] |
八、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：
| 1 2 3 4 5 | # 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：
| 1 2 3 4 5 6 7 | 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：
| 1 2 | 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：
| 1 2 | 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
| 1 2 3 4 | # 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：
| 1 2 | 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
- 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。
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。
| 1 2 3 4 5 | # 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：
| 1 2 3 4 5 | # 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); 九、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) # 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'])
十、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。
https://www.cnblogs.com/yuanchenqi/articles/8963244.html https://www.cnblogs.com/yuanchenqi/articles/7570003.htm
十一、补充 - query
# 查询沙河出版社 出版社的 书名 价格 # ret = Publish.objects.filter(name='沙河出版社').values('book__title','book__price') # 还有一种写法： # ret = Book.objects.filter(publish__name='沙河出版社').values('title','price') # # print(ret) # print(ret.query) # 查询单条语句的 sql """ SELECT "app01_book"."title", "app01_book"."price" FROM "app01_publish" LEFT OUTER JOIN "app01_book" ON ("app01_publish"."nid" = "app01_book"."publish_id") WHERE "app01_publish"."name" = 沙河出版社 """ """ SELECT "app01_book"."title", "app01_book"."price" FROM "app01_book" INNER JOIN "app01_publish" ON ("app01_book"."publish_id" = "app01_publish"."nid") WHERE "app01_publish"."name" = 沙河出版社 """ """ select Book.title,Book.price from Publish inner join Book on Publish.pk = Book.publish_id where publish.name = '沙河出版社' """
十二、补充 - only defer selected_related prefetch_related （和性能相关得）
ORM补充： a. 需求: 只取某n列 queryset=[ {},{}] models.User.objects.all().values( 'id','name') queryset=[ (),()] models.User.objects.all().values_list( 'id','name') queryset=[ obj,obj] result = models.User.objects.all().only('id','name','age') # 只取 # result = models.User.objects.all().defer('id','name','age') # 排除 for item in reuslt: print(item.id,item.name,item.age) b. 需求: 打印所有用户姓名以及部门名称 class depart: title = .... class User: name = ... dp = FK(depart) # select * from user # result = models.User.objects.all() # for item in result: # print(item.name) # select * from user left join depart on user.dp_id = depart.id # result = models.User.objects.all().selected_related('dp') # 性能上提高 # for item in result: #print(item.name,item.dp.title )
- only - defer - seleted_related - prefetch_related 示例： class Depart(models.Model): 5个部门 title = models.CharField(...) class User(models.Model): 10个用户 name = models.CharField(...) email = models.CharField(...) dp = models.FK(Depart) 1.以前的你：11次单表查询 result = User.objects.all() for item in result: print(item.name,item.dp.title) 2. seleted_related，主动做连表查询（1次链表）（支持onetoone FK） result = User.objects.all().seleted_related('dp') for item in result: print(item.name,item.dp.title) 问题：如果链表多，性能越来越差。 3. prefetch_related：2次单表查询 (还支持m2m) # select * from user ; # 通过python代码获取：dp_id = [1,2] # select * from depart where id in dp_id result = User.objects.all().prefetch_related('dp') for item in result: print(item.name,item.dp.title) 赠送： 为什么要有FK； 如何没有FK，所有的数据就都得存在一张表里；浪费硬盘；降低了查询速度，插入有约束； 但是： 数据量比较大，不会使用FK，允许出现数据冗余。因为单表查询速度快。
十三、orm操作，偏原生sql, using ... 选择数据库
- select_related,连表操作，相当于主动做join - prefeth_related,多次单表操作，先查询想要的数据，然后构造条件,如：id=[1,2,3]，再次查询其他表根据id做条件。 - only - defer - F 更新数据库字段 - Q 构造复杂条件 - 通过ORM写偏原生SQL： https://www.cnblogs.com/wupeiqi/articles/6216618.html - extra Entry.objects.extra(select={ 'new_id': "select col from sometable where othercol > %s"}, select_params=(1,)) Entry.objects.extra(where=['headline=%s'], params=['Lennon']) Entry.objects.extra(where=["foo='a' OR bar = 'a'", "baz = 'a'"]) Entry.objects.extra(select={ 'new_id': "select id from tb where id > %s"}, select_params=(1,), order_by=['-nid']) - raw # 执行原生SQL models.UserInfo.objects.raw('select * from userinfo') # 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.UserInfo.objects.raw('select id as nid from 其他表') # 为原生SQL设置参数 models.UserInfo.objects.raw('select id as nid from userinfo where nid>%s', params=[12,]) name_map = { 'first': 'first_name', 'last': 'last_name', 'bd': 'birth_date', 'pk': 'id'} Person.objects.raw('SELECT * FROM some_other_table', translations=name_map) - 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()