查询操作和性能优化

1.基本操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
  
 
models.Tb1.objects.create(c1='xx', c2='oo')  增加一条数据,可以接受字典类型数据 **kwargs
 
obj = models.Tb1(c1='xx', c2='oo')
obj.save()
 
 
 
models.Tb1.objects.get(id=123)         # 获取单条数据,不存在则报错(不建议)
models.Tb1.objects.all()               # 获取全部
models.Tb1.objects.filter(name='seven'# 获取指定条件的数据
models.Tb1.objects.exclude(name='seven'# 获取指定条件的数据
 
 
 
models.Tb1.objects.filter(name='seven').delete() # 删除指定条件的数据
 
 
models.Tb1.objects.filter(name='seven').update(gender='0')  # 将指定条件的数据更新,均支持 **kwargs
obj = models.Tb1.objects.get(id=1)
obj.c1 = '111'
obj.save()                                                 # 修改单条数据

2.Foreign key的使用原因

1
2
3
4
约束
节省硬盘
 
但是多表查询会降低速度,大型程序反而不使用外键,而是用单表(约束的时候,通过代码判断)

extra

1
2
3
4
5
extra(self, select=None, where=None, params=None, tables=None, order_by=None, select_params=None)
   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'])

F查询

1
2
from django.db.models import F
   models.Tb1.objects.update(num=F('num')+1)

Q查询

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
方式一:
    Q(nid__gt=10)
    Q(nid=8) | Q(nid__gt=10)
    Q(Q(nid=8) | Q(nid__gt=10)) & Q(caption='root')
 
    方式二:
    con = Q()
    q1 = Q()
    q1.connector = 'OR'
    q1.children.append(('id'1))
    q1.children.append(('id'10))
    q1.children.append(('id'9))
    q2 = Q()
    q2.connector = 'OR'
    q2.children.append(('c1'1))
    q2.children.append(('c1'10))
    q2.children.append(('c1'9))
    con.add(q1, 'AND')
    con.add(q2, 'AND')
 
    models.Tb1.objects.filter(con)

exclude(self, *args, **kwargs)

1
2
# 条件查询
   # 条件可以是:参数,字典,Q

  

select_related(self, *fields)

1
2
3
4
性能相关:表之间进行join连表操作,一次性获取关联的数据。
    model.tb.objects.all().select_related()
    model.tb.objects.all().select_related('外键字段')
    model.tb.objects.all().select_related('外键字段__外键字段')

prefetch_related(self, *lookups)

1
2
3
4
性能相关:多表连表操作时速度会慢,使用其执行多次SQL查询  在内存中做关联,而不会再做连表查询
           # 第一次 获取所有用户表
           # 第二次 获取用户类型表where id in (用户表中的查到的所有用户ID)
           models.UserInfo.objects.prefetch_related('外键字段')

  

annotate(self, *args, **kwargs)

1
2
3
4
5
6
7
8
9
10
11
12
# 用于实现聚合group by查询
 
    from django.db.models import Count, Avg, MaxMinSum
 
    = models.UserInfo.objects.values('u_id').annotate(uid=Count('u_id'))
    # SELECT u_id, COUNT(ui) AS `uid` FROM UserInfo GROUP BY u_id
 
    = models.UserInfo.objects.values('u_id').annotate(uid=Count('u_id')).filter(uid__gt=1)
    # SELECT u_id, COUNT(ui_id) AS `uid` FROM UserInfo GROUP BY u_id having count(u_id) > 1
 
    = models.UserInfo.objects.values('u_id').annotate(uid=Count('u_id',distinct=True)).filter(uid__gt=1)
    # SELECT u_id, COUNT( DISTINCT ui_id) AS `uid` FROM UserInfo GROUP BY u_id having count(u_id) > 1

extra(self, select=None, where=None, params=None, tables=None, order_by=None, select_params=None)

1
2
3
4
5
6
# 构造额外的查询条件或者映射,如:子查询
 
      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'])

  

reverse(self):

1
2
3
# 倒序
      models.UserInfo.objects.all().order_by('-nid').reverse()
      # 注:如果存在order_by,reverse则是倒序,如果多个排序则一一倒序

  下面两个 取到的是对象,并且注意 取到的对象可以 获取其他字段(这样会再去查找该字段降低性能
defer(self, *fields):

1
2
3
4
models.UserInfo.objects.defer('username','id')
       
       models.UserInfo.objects.filter(...).defer('username','id')
       # 映射中排除某列数据

  

only(self, *fields):

1
2
3
4
# 仅取某个表中的数据
      models.UserInfo.objects.only('username','id')
      
      models.UserInfo.objects.filter(...).only('username','id')
05-26 05:50