點右上角加星標，江湖要事早知道 前幾天在脈脈上看到一個熱議話題“23年找工作的心酸歷程” 大家都知道近幾年互聯網大環境不好，找工作變得越來越捲了、 就算是BAT這種大廠出來的，也不見得就有多好找工作，可想而知，如果你的背景和能力不是特別強，很有可能練簡歷關都過不了。 特別是工作時間久的老程式員，總包 ...
本篇筆記目錄如下：
- select_related
- prefetch_related
在介紹 select_related 和 prefetch_related 這兩個函數前，我們先來看一個例子。
對於，Entry 和 Blog 這兩個 model，前面介紹過，Blog 是 Entry 的外鍵，如下：
class Blog(models.Model):
name = models.CharField(max_length=100)
tagline = models.TextField()
class Entry(models.Model):
blog = models.ForeignKey(Blog, on_delete=models.CASCADE)
headline = models.CharField(max_length=255)
body_text = models.TextField()
pub_date = models.DateField()
mod_date = models.DateField()
authors = models.ManyToManyField(Author)
number_of_comments = models.IntegerField()
number_of_pingbacks = models.IntegerField()
rating = models.IntegerField()
比如我們需要獲取 Entry 的前十條數據，然後列印出關聯的 Blog 的 name 欄位信息。
我們一般會如此操作：
for entry in Entry.objects.all()[:10]
if entry.blog:
print(entry.blog.name)
else:
print("沒有關聯 blog 數據")
但是這樣會有一個問題，那就是，這個 for 迴圈的操作會查詢數據十一次，一次查詢 Entry 數據，十次是查詢每個 entry_obj 關聯的 blog 數據。
這個設計對於系統來說是不合理的，想一想如果我們查詢的數據是一千條，一萬條，無論是系統介面的等待時間，還是資料庫的訪問壓力，都是不可接受的。
因此我們可以引入 外鍵 和 ManyToManyTo 的一種能夠減少資料庫的訪問次數的方式：select_related，prefetch_related。
select_related
當我們在使用的時候，如果有需要獲取的外鍵數據，比如 Entry 關聯的 Blog 數據，則可以將其欄位名作為參數傳入，這樣在獲取數據的時候就可以一次性將所有關聯的 Blog 數據也取出來，而不用單獨再去查詢一遍資料庫。
如下，批量操作：
for entry in Entry.objects.select_related("blog").all():
print(e.blog) # 這個操作不會額外再去查詢資料庫
當然也適用於單條數據：
e = Entry.objects.get(id=5).select_related("blog")
為了驗證 select_related() 確實會只查詢一遍資料庫，有兩種方法：
一種是在資料庫層面列印出來所有查詢的 SQL語句，
另一種可以從側面表示，那就是在系統層面列印出我們的查詢條件轉化的 SQL 語句。
比如：
Entry.objects.select_related("blog").all().query.__str__()
可以看到會輸出一個 關聯了 Blog 表的 inner join 的 SQL 語句。
SELECT `blog_entry`.`id`, `blog_entry`.`blog_id`, `blog_entry`.`headline`, `blog_entry`.`body_text`, `blog_entry`.`pub_date`, `blog_entry`.`mod_date`, `blog_entry`.`number_of_comments`, `blog_entry`.`number_of_pingbacks`, `blog_entry`.`rating`, `blog_blog`.`id`, `blog_blog`.`name`, `blog_blog`.`tagline` FROM `blog_entry` INNER JOIN `blog_blog` ON (`blog_entry`.`blog_id` = `blog_blog`.`id`)
鏈式獲取外鍵數據
比如下麵的 model：
class City(models.Model):
pass
class Person(models.Model):
hometown = models.ForeignKey(
City, on_delete=models.SET_NULL, blank=True, null=True)
class Book(models.Model):
author = models.ForeignKey(Person, on_delete=models.CASCADE)
我們可以通過以下語句來將 Book 關聯的 Person，以及該條 Person 數據關聯的 City 數據一起查詢出來：
book = Book.objects.select_related("author__hometown").get(id=4)
person = book.author
city = person.hometown
因為我們在第一步查詢的時候，通過雙下劃線將兩個外鍵欄位連接在一起取了出來，所以在第二步和第三步取 Person 數據和 City 數據的時候，就不需要再次查詢資料庫了。
同時獲取多個外鍵關聯欄位
如果一個 model 有兩個外鍵欄位 foo 和 bar，那麼下麵的兩種寫法都將這兩個外鍵欄位關聯取出：
select_related("foo", "bar")
select_related("foo").select_related("bar")
需要註意的是，這個鏈式的操作和 order_by() 的結果是不一樣的哦，前面提到的 order_by() 的鏈式操作會導致後面的覆蓋前面的，但是取外鍵數據的時候會同時取出。
註意： select_related() 僅作用於 ForeignKey 和 OneToOne，如果是 ManyToMany 欄位，則需要用到下麵的 prefetch_related() 函數。
prefetch_related()
prefetch_related() 和 select_related() 作用類似，都是通過減少查詢的次數，來實現查詢優化。
但 prefetch_related() 是針對 ManyToMany 的操作。
舉個例子：
from django.db import models
class Topping(models.Model):
name = models.CharField(max_length=30)
class Pizza(models.Model):
name = models.CharField(max_length=50)
toppings = models.ManyToManyField(Topping)
def __str__(self):
return "%s (%s)" % (
self.name,
", ".join(topping.name for topping in self.toppings.all()),
)
當我們執行：
Pizza.objects.all()
的時候，因為每一條 Pizza 數據實例化的時候，都會調用 str() 函數，而這個函數會再次去請求一遍資料庫，所以多條 Pizza 數據會導致查詢多次資料庫。
因為我們可以使用 prefetch_related() 函數來達到減少查詢的目的：
Pizza.objects.prefetch_related('toppings').all()
這樣的話，對資料庫的查詢會減少到兩次，一次是查詢出所有的 Pizza 數據，一次是根據所有的 pizza_id 找到所有關聯的 topping 數據。
如果有興趣，可以比對下麵兩條語句在 shell 中執行的時候，MySQL 伺服器接收到的 SQL 查詢語句：
Pizza.objects.all()
Pizza.objects.prefetch_related('toppings').all()
下麵一種情況需要註意哦：
pizzas = Pizza.objects.prefetch_related('toppings')
[list(pizza.toppings.filter(spicy=True)) for pizza in pizzas]
因為第二步操作里，會對 toppings 數據進行一次新的 filter 過濾操作，所以會導致每次該語句重新去查詢資料庫，也就是說，我們的 prefetch_related() 操作是失效的。
以上就是本篇筆記全部內容，接下來會介紹查詢里的 defer 和 only 函數。
本文首發於本人微信公眾號：Django筆記。
原文鏈接：Django筆記十一之外鍵查詢優化select_related和prefetch_related
如果想獲取更多相關文章，可掃碼關註閱讀：
