您的位置：首页 > Web前端

实战Django之Model操作之 prefetch_related()查询的优化（二）

2019-01-24 03:08 411 查看

这是本系列的第二篇，内容是 prefetch_related() 函数的用途、实现途径、以及使用方法。

主篇这里 

第一篇在这里 讲例子和select_related()

第三篇在这里 用几个实例来说明一些复杂查询最佳实践


3. 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。或许你会说，没有一个叫OneToManyField的东西啊。实际上 ，ForeignKey就是一个多对一的字段，而被ForeignKey关联的字段就是一对多字段了。


作用和方法

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。继续以上边的例子进行说明，如果我们要获得张三所有去过的城市，使用prefetch_related()应该是这么做：

  1. >>> zhangs = Person.objects.prefetch_related('visitation').get(firstname=u"张",lastname=u"三")
  2. >>> for city in zhangs.visitation.all() :
  3. ...   print city
  4. ...
[/code] 上述代码触发的SQL查询如下：



  1. SELECT `QSOptimize_person`.`id`, `QSOptimize_person`.`firstname`,
  2. `QSOptimize_person`.`lastname`, `QSOptimize_person`.`hometown_id`, `QSOptimize_person`.`living_id` 
  3. FROM `QSOptimize_person` 
  4. WHERE (`QSOptimize_person`.`lastname` = '三'  AND `QSOptimize_person`.`firstname` = '张'); 
  5.  
  6. SELECT (`QSOptimize_person_visitation`.`person_id`) AS `_prefetch_related_val`, `QSOptimize_city`.`id`, 
  7. `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` 
  8. FROM `QSOptimize_city` 
  9. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`)
  10. WHERE `QSOptimize_person_visitation`.`person_id` IN (1);
[/code]

第一条SQL查询仅仅是获取张三的Person对象，第二条比较关键，它选取关系表`QSOptimize_person_visitation`中`person_id`为张三的行，然后和`city`表内联（INNER JOIN 也叫等值连接）得到结果表。




+----+-----------+----------+-------------+-----------+
| id | firstname | lastname | hometown_id | living_id |
+----+-----------+----------+-------------+-----------+
|  1 | 张        | 三       |           3 |         1 |
+----+-----------+----------+-------------+-----------+
1 row in set (0.00 sec)
±----------------------±—±----------±------------+

| _prefetch_related_val | id | name      | province_id |

±----------------------±—±----------±------------+

|                     1 |  1 | 武汉市    |           1 |

|                     1 |  2 | 广州市    |           2 |

|                     1 |  3 | 十堰市    |           1 |

±----------------------±—±----------±------------+

3 rows in set (0.00 sec) 显然张三武汉、广州、十堰都去过。










又或者，我们要获得湖北的所有城市名，可以这样：




>>> hb = Province.objects.prefetch_related('city_set').get(name__iexact=u"湖北省")
>>> for city in hb.city_set.all():
...   city.name
...




触发的SQL查询：


SELECT `QSOptimize_province`.`id`, `QSOptimize_province`.`name`
FROM `QSOptimize_province`
WHERE `QSOptimize_province`.`name` LIKE '湖北省' ;
SELECT 
QSOptimize_city
.
id
, 
QSOptimize_city
.
name
, 
QSOptimize_city
.
province_id


FROM 
QSOptimize_city


WHERE 
QSOptimize_city
.
province_id
 IN (1); 得到的表：
+----±----------+

| id | name      |

+----±----------+

|  1 | 湖北省    |

+----±----------+

1 row in set (0.00 sec)


+----±----------±------------+

| id | name      | province_id |

+----±----------±------------+

|  1 | 武汉市    |           1 |

|  3 | 十堰市    |           1 |

+----±----------±------------+

2 rows in set (0.00 sec)


我们可以看见，prefetch使用的是 IN 语句实现的。这样，在QuerySet中的对象数量过多的时候，根据数据库特性的不同有可能造成性能问题。








使用方法





*lookups 参数


prefetch_related()在Django < 1.7 只有这一种用法。和select_related()一样，prefetch_related()也支持深度查询，例如要获得所有姓张的人去过的省：




  1. >>> zhangs = Person.objects.prefetch_related('visitation__province').filter(firstname__iexact=u'张')
  2. >>> for i in zhangs:
  3. ...   for city in i.visitation.all():
  4. ...     print city.province
  5. ...
[/code] 触发的SQL：
  1. SELECT `QSOptimize_person`.`id`, `QSOptimize_person`.`firstname`, 
  2. `QSOptimize_person`.`lastname`, `QSOptimize_person`.`hometown_id`, `QSOptimize_person`.`living_id` 
  3. FROM `QSOptimize_person` 
  4. WHERE `QSOptimize_person`.`firstname` LIKE '张' ;
  5.  
  6. SELECT (`QSOptimize_person_visitation`.`person_id`) AS `_prefetch_related_val`, `QSOptimize_city`.`id`,
  7. `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` FROM `QSOptimize_city` 
  8. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`)
  9. WHERE `QSOptimize_person_visitation`.`person_id` IN (1, 4);
  10.  
  11. SELECT `QSOptimize_province`.`id`, `QSOptimize_province`.`name` 
  12. FROM `QSOptimize_province` 
  13. WHERE `QSOptimize_province`.`id` IN (1, 2);
[/code] 获得的结果：
+----+-----------+----------+-------------+-----------+
| id | firstname | lastname | hometown_id | living_id |
+----+-----------+----------+-------------+-----------+
|  1 | 张        | 三       |           3 |         1 |
|  4 | 张        | 六       |           2 |         2 |
+----+-----------+----------+-------------+-----------+
2 rows in set (0.00 sec)
±----------------------±—±----------±------------+

| _prefetch_related_val | id | name      | province_id |

±----------------------±—±----------±------------+

|                     1 |  1 | 武汉市    |           1 |

|                     1 |  2 | 广州市    |           2 |

|                     4 |  2 | 广州市    |           2 |

|                     1 |  3 | 十堰市    |           1 |

±----------------------±—±----------±------------+

4 rows in set (0.00 sec)


±—±----------+

| id | name      |

±—±----------+

|  1 | 湖北省    |

|  2 | 广东省    |

±—±----------+

2 rows in set (0.00 sec)











值得一提的是，链式prefetch_related会将这些查询添加起来，就像1.7中的select_related那样。





要注意的是，在使用QuerySet的时候，一旦在链式操作中改变了数据库请求，之前用prefetch_related缓存的数据将会被忽略掉。这会导致Django重新请求数据库来获得相应的数据，从而造成性能问题。这里提到的改变数据库请求指各种filter()、exclude()等等最终会改变SQL代码的操作。而all()并不会改变最终的数据库请求，因此是不会导致重新请求数据库的。


举个例子，要获取所有人访问过的城市中带有“市”字的城市，这样做会导致大量的SQL查询：




  1. plist = Person.objects.prefetch_related('visitation')
  2. [p.visitation.filter(name__icontains=u"市") for p in plist]
[/code]因为数据库中有4人，导致了2+4次SQL查询：



  1. SELECT `QSOptimize_person`.`id`, `QSOptimize_person`.`firstname`, `QSOptimize_person`.`lastname`, 
  2. `QSOptimize_person`.`hometown_id`, `QSOptimize_person`.`living_id` 
  3. FROM `QSOptimize_person`;
  4.  
  5. SELECT (`QSOptimize_person_visitation`.`person_id`) AS `_prefetch_related_val`, `QSOptimize_city`.`id`,
  6. `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` 
  7. FROM `QSOptimize_city` 
  8. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`)
  9. WHERE `QSOptimize_person_visitation`.`person_id` IN (1, 2, 3, 4);
  10.  
  11. SELECT `QSOptimize_city`.`id`, `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` 
  12. FROM `QSOptimize_city` 
  13. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`) 
  14. WHERE(`QSOptimize_person_visitation`.`person_id` = 1  AND `QSOptimize_city`.`name` LIKE '%市%' );
  15.  
  16. SELECT `QSOptimize_city`.`id`, `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` 
  17. FROM `QSOptimize_city` 
  18. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`) 
  19. WHERE (`QSOptimize_person_visitation`.`person_id` = 2  AND `QSOptimize_city`.`name` LIKE '%市%' ); 
  20.  
  21. SELECT `QSOptimize_city`.`id`, `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` 
  22. FROM `QSOptimize_city`
  23. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`) 
  24. WHERE (`QSOptimize_person_visitation`.`person_id` = 3  AND `QSOptimize_city`.`name` LIKE '%市%' );
  25.  
  26. SELECT `QSOptimize_city`.`id`, `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` 
  27. FROM `QSOptimize_city` 
  28. INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`) 
  29. WHERE (`QSOptimize_person_visitation`.`person_id` = 4  AND `QSOptimize_city`.`name` LIKE '%市%' );
  30.  
[/code]




详细分析一下这些请求事件。


众所周知，QuerySet是lazy的，要用的时候才会去访问数据库。运行到第二行Python代码时，for循环将plist看做iterator，这会触发数据库查询。最初的两次SQL查询就是prefetch_related导致的。


虽然已经查询结果中包含所有所需的city的信息，但因为在循环体中对Person.visitation进行了filter操作，这显然改变了数据库请求。因此这些操作会忽略掉之前缓存到的数据，重新进行SQL查询。





但是如果有这样的需求了应该怎么办呢？在Django >= 1.7，可以通过下一节的Prefetch对象来实现，如果你的环境是Django < 1.7，可以在Python中完成这部分操作。




  1. plist = Person.objects.prefetch_related('visitation')
  2. [[city for city in p.visitation.all() if u"市" in city.name] for p in plist]
[/code]



Prefetch 对象 


在Django >= 1.7，可以用Prefetch对象来控制prefetch_related函数的行为。


注：由于我没有安装1.7版本的Django环境，本节内容是参考Django文档写的，没有进行实际的测试。





Prefetch对象的特征：




  1. 一个Prefetch对象只能指定一项prefetch操作。 
  2. Prefetch对象对字段指定的方式和prefetch_related中的参数相同，都是通过双下划线连接的字段名完成的。 
  3. 可以通过 queryset 参数手动指定prefetch使用的QuerySet。 
  4. 可以通过 to_attr 参数指定prefetch到的属性名。 
  5. Prefetch对象和字符串形式指定的lookups参数可以混用。 


继续上面的例子，获取所有人访问过的城市中带有“武”字和“州”的城市： 




  1. wus = City.objects.filter(name__icontains = u"武")
  2. zhous = City.objects.filter(name__icontains = u"州")
  3. plist = Person.objects.prefetch_related(
  4.     Prefetch('visitation', queryset = wus, to_attr = "wu_city"),
  5.     Prefetch('visitation', queryset = zhous, to_attr = "zhou_city"),)
  6. [p.wu_city for p in plist]
  7. [p.zhou_city for p in plist]
[/code]

注：这段代码没有在实际环境中测试过，若有不正确的地方请指正。





顺带一提，Prefetch对象和字符串参数可以混用。


None


可以通过传入一个None来清空之前的prefetch_related。就像这样：




>>> prefetch_cleared_qset = qset.prefetch_related(None)
[/code]



小结




  1. prefetch_related主要针一对多和多对多关系进行优化。
  2. prefetch_related通过分别获取各个表的内容，然后用Python处理他们之间的关系来进行优化。
  3. 可以通过可变长参数指定需要select_related的字段名。指定方式和特征与select_related是相同的。
  4. 在Django >= 1.7可以通过Prefetch对象来实现复杂查询，但低版本的Django好像只能自己实现。
  5. 作为prefetch_related的参数，Prefetch对象和字符串可以混用。
  6. prefetch_related的链式调用会将对应的prefetch添加进去，而非替换，似乎没有基于不同版本上区别。
  7. 可以通过传入None来清空之前的prefetch_related。







                                            

                                        

                        
                        内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息 
                    

                    

                    

                        

                         标签： 
                                                

                        

                    


                

            


            

                
相关文章推荐

                

                

                    
                

            

        

        

            

            
            

                

                    
新的分享

                    

                        
                    

                

            


            

                

                    
章节导航