1：QuerySet 何时会被缓存
注意：如何判断是否使用缓存？执行orm操作时会产生SQL语句 !!!
当Django ORM 进行如下操作时，queryset会被缓存到 _result_cache 中
queryset = CircleUsersModel.objects.all()
（1）执行切片： obj_list = queryset[1:10] （不会使用缓存）
（2）迭代：
# QuerySet.__iter__
for user in queryset:
print(user.username)
（3）len 求值：count = len(queryset) # QuerySet.__iter__
（4）if 布尔值判断：if queryset.exists() : pass # QuerySet.__bool__
（5） 序列化， 即 pickling # QuerySet.__getstate__
（6）repr() （不会使用缓存, 正常运行时没有缓存， debug时有缓存）
（7）list: obj_list = list(queryset) # QuerySet.__iter__
（8）in 查询 # QuerySet.__iter__
2：QuerySet 的惰性查询
查询集 是惰性执行的 ：创建查询集不会带来任何数据库的访问。你可以将过滤器保持一整天，直到查询集需要求值时，Django 才会真正运行这个查询。
queryset = CircleUsersModel.objects.all()
for user_obj in queryset:
print(user_obj.id, user_obj.email,......)
一般来说，只有在“请求”查询集的结果时才会到数据库中去获取它们。当你确实需要结果时，查询集通过访问数据库来求值。
3：缓存机制
每个查询集都包含一个缓存来最小化对数据库的访问。理解它是如何工作的将让你编写最高效的代码。
在一个新创建的查询集中，缓存为空。首次对查询集进行求值 —— 同时发生数据库查询 ——Django 将保存查询的结果到查询集的缓存中并返回明确请求的结果（例如，如果正在迭代查询集，则返回下一个结果）。接下来对该查询集的求值将重用缓存的结果。
请牢记这个缓存行为，因为对查询集使用不当的话，它会坑你的。例如，下面的语句创建两个查询集，对它们求值，然后扔掉它们：
print([a.title for a in models.Article.objects.all()])
print([a.create_time for a in models.Article.objects.all()])
这意味着相同的数据库查询将执行两次，显然倍增了你的数据库负载。同时，还有可能两个结果列表并不包含相同的数据库记录，因为在两次请求期间有可能有Article被添加进来或删除掉。为了避免这个问题，只需保存查询集并重新使用它：
queryResult=models.Article.objects.all()
print([a.title for a in queryResult])
print([a.create_time for a in queryResult])
4：何时查询集不会被缓存?
查询集不会永远缓存它们的结果。当只对查询集的部分进行求值时会检查缓存， 如果这个部分不在缓存中，那么接下来查询返回的记录都将不会被缓存。所以，这意味着使用切片或索引来限制查询集将不会填充缓存。
例如，重复获取查询集对象中一个特定的索引将每次都查询数据库：
queryset = Entry.objects.all()
print queryset[5] # Queries the database
print queryset[5] # Queries the database again
然而，如果已经对全部查询集求值过，则将检查缓存：
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，它们会使得全部的查询集被求值并填充到缓存中：
[entry for entry in queryset]
bool(queryset)
entry in queryset
list(queryset)
注：简单地打印查询集不会填充缓存。
queryResult=models.Article.objects.all()
print(queryResult) # hits database
print(queryResult) # hits database
5：exists()与iterator()方法
exists：简单的使用if语句进行判断也会完全执行整个queryset并且把数据放入cache，虽然你并不需要这些 数据！为了避免这个，可以用exists()方法来检查是否有数据：
if queryResult.exists():
#SELECT (1) AS "a" FROM "blog_article" LIMIT 1; args=()
print("exists...")
iterator: 当queryset非常巨大时，cache会成为问题。处理成千上万的记录时，将它们一次装入内存是很浪费的。更糟糕的是，巨大的queryset可能会锁住系统 进程，让你的程序濒临崩溃。要避免在遍历数据的同时产生queryset cache，可以使用iterator()方法 来获取数据，处理完数据就将其丢弃。
objs = Book.objects.all().iterator()
# iterator()可以一次只从数据库获取少量数据，这样可以节省内存
for obj in objs:
print(obj.title)
#BUT,再次遍历没有打印,因为迭代器已经在上一次遍历(next)到最后一次了,没得遍历了
for obj in objs:
print(obj.title)
当然，使用iterator()方法来防止生成cache，意味着遍历同一个queryset时会重复执行查询。所以使 #用iterator()的时候要当心，确保你的代码在操作一个大的queryset时没有重复执行查询。
总结: queryset的cache是用于减少程序对数据库的查询，在通常的使用下会保证只有在需要的时候才会查询数据库。 使用exists()和iterator()方法可以优化程序对内存的使用。不过，由于它们并不会生成queryset cache，可能 会造成额外的数据库查询。
6: QuerySet 产生缓存背后的真像
所有产生缓存的地方都会使用 django.db.models.query.QuerySet 类中的 _fetch_all() 方法，有这些魔法函数会产生缓存：
（1）：__deepcopy__ # 深拷贝
（2）：__getstate__ # 序列化
（3）： __len__ # len(queryset)
（4）：__iter__ # list(queryset), queryset[0] in queryset
（5）：__bool__ # if queryset: pass
（6）：__getitem__ # 不缓存
（7）：__repr__ # 不缓存
对于非 QuerySet.values(......)、QuerySet.values_list(......) 的缓存过程，基本上都是使用 django.db.models.query.ModelIterable 的 __iter__ 方法实现的数据的缓存，
（1）：values(......) => ValuesIterable. __iter__
（2）： values_list(......) => ValuesListIterable . __iter__ 或
NamedValuesListIterable. __iter__
（3）：其他： ModelIterable . __iter__
这些迭代器中的__iter__魔法方法的基本作用是：解析与编译SQL语句、执行SQL获取结果、获取模型字段、将SQL执行的结果转化为模型对象
网友评论