• 可切片

使用Python的切片语法来限制查询集记录的数目.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)
不支持负的索引(例如Entry.objects.all()[-1]).通常,查询集的切片返回一个新的查询集 —— 它不会执行查询.

  • 可迭代

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

  • 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.
1.queryResult=models.Article.objects.all()
2.print(queryResult)
3.for article in queryResult:
     print(article.title)
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.

  • 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]
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