可切片

使用Python 的切片語(yǔ)法來(lái)限制查詢集記錄的數(shù)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)

不支持負(fù)的索引（例如Entry.objects.all()[-1]）。通常，查詢集 的切片返回一個(gè)新的查詢集 —— 它不會(huì)執(zhí)行查詢?！　　?/p>

可迭代

articleList=models.Article.objects.all()
for article in articleList:
  print(article.title)　

惰性查詢

查詢集 是惰性執(zhí)行的 —— 創(chuàng)建查詢集不會(huì)帶來(lái)任何數(shù)據(jù)庫(kù)的訪問(wèn)。你可以將過(guò)濾器保持一整天，直到查詢集 需要求值時(shí)，Django 才會(huì)真正運(yùn)行這個(gè)查詢。

queryResult=models.Article.objects.all() # not hits database
print(queryResult) # hits database 
for article in queryResult:
  print(article.title)  # hits database

一般來(lái)說(shuō)，只有在“請(qǐng)求”查詢集 的結(jié)果時(shí)才會(huì)到數(shù)據(jù)庫(kù)中去獲取它們。當(dāng)你確實(shí)需要結(jié)果時(shí)，查詢集 通過(guò)訪問(wèn)數(shù)據(jù)庫(kù)來(lái)求值。 關(guān)于求值發(fā)生的準(zhǔn)確時(shí)間，參見(jiàn)何時(shí)計(jì)算查詢集?！　?/p>

緩存機(jī)制

每個(gè)查詢集都包含一個(gè)緩存來(lái)最小化對(duì)數(shù)據(jù)庫(kù)的訪問(wèn)。理解它是如何工作的將讓你編寫最高效的代碼。

在一個(gè)新創(chuàng)建的查詢集中，緩存為空。首次對(duì)查詢集進(jìn)行求值 —— 同時(shí)發(fā)生數(shù)據(jù)庫(kù)查詢 ——Django 將保存查詢的結(jié)果到查詢集的緩存中并返回明確請(qǐng)求的結(jié)果（例如，如果正在迭代查詢集，則返回下一個(gè)結(jié)果）。接下來(lái)對(duì)該查詢集 的求值將重用緩存的結(jié)果。

請(qǐng)牢記這個(gè)緩存行為，因?yàn)閷?duì)查詢集使用不當(dāng)?shù)脑挘鼤?huì)坑你的。例如，下面的語(yǔ)句創(chuàng)建兩個(gè)查詢集，對(duì)它們求值，然后扔掉它們：

print([a.title for a in models.Article.objects.all()])
print([a.create_time for a in models.Article.objects.all()])

這意味著相同的數(shù)據(jù)庫(kù)查詢將執(zhí)行兩次，顯然倍增了你的數(shù)據(jù)庫(kù)負(fù)載。同時(shí)，還有可能兩個(gè)結(jié)果列表并不包含相同的數(shù)據(jù)庫(kù)記錄，因?yàn)樵趦纱握?qǐng)求期間有可能有Article被添加進(jìn)來(lái)或刪除掉。為了避免這個(gè)問(wèn)題，只需保存查詢集并重新使用它：　

queryResult=models.Article.objects.all()
print([a.title for a in queryResult])
print([a.create_time for a in queryResult])

何時(shí)查詢集不會(huì)被緩存?

查詢集不會(huì)永遠(yuǎn)緩存它們的結(jié)果。當(dāng)只對(duì)查詢集的部分進(jìn)行求值時(shí)會(huì)檢查緩存， 如果這個(gè)部分不在緩存中，那么接下來(lái)查詢返回的記錄都將不會(huì)被緩存。所以，這意味著使用切片或索引來(lái)限制查詢集將不會(huì)填充緩存。

例如，重復(fù)獲取查詢集對(duì)象中一個(gè)特定的索引將每次都查詢數(shù)據(jù)庫(kù)：

>>> queryset = Entry.objects.all()
>>> print queryset[5] # Queries the database
>>> print queryset[5] # Queries the database again

然而，如果已經(jīng)對(duì)全部查詢集求值過(guò)，則將檢查緩存：　　

>>> 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，它們會(huì)使得全部的查詢集被求值并填充到緩存中：

>>> [entry for entry in queryset]
>>> bool(queryset)
>>> entry in queryset
>>> list(queryset)

注：簡(jiǎn)單地打印查詢集不會(huì)填充緩存?！　?/p>

queryResult=models.Article.objects.all()
print(queryResult) # hits database
print(queryResult) # hits database　

exists()與iterator()方法

exists：

簡(jiǎn)單的使用if語(yǔ)句進(jìn)行判斷也會(huì)完全執(zhí)行整個(gè)queryset并且把數(shù)據(jù)放入cache，雖然你并不需要這些 數(shù)據(jù)！為了避免這個(gè)，可以用exists()方法來(lái)檢查是否有數(shù)據(jù)：

if queryResult.exists():
  #SELECT (1) AS "a" FROM "blog_article" LIMIT 1; args=()
    print("exists...")

iterator:

當(dāng)queryset非常巨大時(shí)，cache會(huì)成為問(wèn)題。

處理成千上萬(wàn)的記錄時(shí)，將它們一次裝入內(nèi)存是很浪費(fèi)的。更糟糕的是，巨大的queryset可能會(huì)鎖住系統(tǒng) 進(jìn)程，讓你的程序?yàn)l臨崩潰。要避免在遍歷數(shù)據(jù)的同時(shí)產(chǎn)生queryset cache，可以使用iterator()方法 來(lái)獲取數(shù)據(jù)，處理完數(shù)據(jù)就將其丟棄。

objs = Book.objects.all().iterator()
# iterator()可以一次只從數(shù)據(jù)庫(kù)獲取少量數(shù)據(jù)，這樣可以節(jié)省內(nèi)存
for obj in objs:
  print(obj.title)
#BUT,再次遍歷沒(méi)有打印,因?yàn)榈饕呀?jīng)在上一次遍歷(next)到最后一次了,沒(méi)得遍歷了
for obj in objs:
  print(obj.title)

當(dāng)然，使用iterator()方法來(lái)防止生成cache，意味著遍歷同一個(gè)queryset時(shí)會(huì)重復(fù)執(zhí)行查詢。所以使 #用iterator()的時(shí)候要當(dāng)心，確保你的代碼在操作一個(gè)大的queryset時(shí)沒(méi)有重復(fù)執(zhí)行查詢。

總結(jié):

queryset的cache是用于減少程序?qū)?shù)據(jù)庫(kù)的查詢，在通常的使用下會(huì)保證只有在需要的時(shí)候才會(huì)查詢數(shù)據(jù)庫(kù)。 使用exists()和iterator()方法可以優(yōu)化程序?qū)?nèi)存的使用。不過(guò)，由于它們并不會(huì)生成queryset cache，可能 會(huì)造成額外的數(shù)據(jù)庫(kù)查詢。　

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論