可切片

使用Python 的切片語法來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)建查詢集不會帶來任何數(shù)據(jù)庫的訪問。你可以將過濾器保持一整天，直到查詢集 需要求值時(shí)，Django 才會真正運(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

一般來說，只有在“請求”查詢集 的結(jié)果時(shí)才會到數(shù)據(jù)庫中去獲取它們。當(dāng)你確實(shí)需要結(jié)果時(shí)，查詢集 通過訪問數(shù)據(jù)庫來求值。 關(guān)于求值發(fā)生的準(zhǔn)確時(shí)間，參見何時(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)緩存來最小化對數(shù)據(jù)庫的訪問。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。首次對查詢集進(jìn)行求值 —— 同時(shí)發(fā)生數(shù)據(jù)庫查詢 ——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）。接下來對該查詢集 的求值將重用緩存的結(jié)果。

請牢記這個(gè)緩存行為，因?yàn)閷Σ樵兗褂貌划?dāng)?shù)脑挘鼤幽愕摹＠?，下面的語句創(chuàng)建兩個(gè)查詢集，對它們求值，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)庫查詢將執(zhí)行兩次，顯然倍增了你的數(shù)據(jù)庫負(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)庫記錄，因?yàn)樵趦纱握埱笃陂g有可能有Article被添加進(jìn)來或刪除掉。為了避免這個(gè)問題，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)查詢集不會被緩存?

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

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

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

然而，如果已經(jīng)對全部查詢集求值過，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：簡單地打印查詢集不會填充緩存?！　?/p>

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

exists()與iterator()方法

exists：

簡單的使用if語句進(jìn)行判斷也會完全執(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會成為問題。

處理成千上萬的記錄時(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,再次遍歷沒有打印,因?yàn)榈饕呀?jīng)在上一次遍歷(next)到最后一次了,沒得遍歷了
for obj in objs:
  print(obj.title)

當(dāng)然，使用iterator()方法來防止生成cache，意味著遍歷同一個(gè)queryset時(shí)會重復(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)庫的查詢，在通常的使用下會保證只有在需要的時(shí)候才會查詢數(shù)據(jù)庫。 使用exists()和iterator()方法可以優(yōu)化程序?qū)?nèi)存的使用。不過，由于它們并不會生成queryset cache，可能 會造成額外的數(shù)據(jù)庫查詢?！?/p>

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