12月15日学习内容整理：ORM中的queryset类型，中介模型，extra函数和分组补充

一、queryset类型：只和ORM有关

1、切片

支持索引切片，但不支持负数索引（不能用-1代表最后一个元素）

2、是可迭代的

3、属于惰性查询

我们构建出一个queryset类型，比如obj=Book.objects.all()，如果我们不去调用这个obj，不去使用它，ORM是不会查询数据库的，一旦我们使用了obj，ORM才会从数据库中提取数据，也就是我们对obj进行操作的时候（即对记录进行操作时）才会走数据库，只单单定义这个obj，ORM是不会走数据库的

4、缓存机制

queryset会有自己的缓存来存放从数据库查询的结果，后续在对这个数据进行访问就从缓存里提取，不会再查询数据库

但是这里有一个问题，若我们在中间插入或者修改记录，这个结果是不会更新到缓存中的，我们再对数据进行访问还是取到原来的数据，所以我们只能再次查询生成新的queryset

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。

缓存机制最根本的优势在于减少了对数据库的查询次数

5、优化缓存

queryset的缓存机制有一个很大的问题，那就是当数据库中的记录的数量很庞大时，我们调用queryset时会把所有的数据一并灌入内存中，这是很危险的，所以我们只能一条或几条的去取，由此就想到了迭代器

（1）exists方法：查询数据存不存在，只查询到一条就返回true

（2）queryset对象.iterator()   这就把一个queryset类型变成了一个迭代器，我们可以遍历取值，避免了庞大数据同时占据内存

总的来说：：：：：：

queryset的缓存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。

 

 

二、中介模型

1、应用场景：

在跨表的多对多关系中，ORM会为我们自动创建第三张表来专门记录两张表的多对多关系，但某种情况下我们可能需要在这个第三张关系表中添加新的字段，这种需需求显然Manytomanyfield已经不能满足，他无法为我们添加新的字段，所以就用到了中介模型

2、使用

显然我们要自己创建第三张关系表，和两张表分别做foreignkey，那这样的话我们查询时就会非常繁琐，因为两张表中已经没有关联字段了，这就是中介模型解决的问题

class Student(models.Model):
    sname=models.CharField(max_length=20)
    age=models.IntegerField()

class Course(models.Model):
    cname=models.CharField(max_length=20)
    students = models.ManyToManyField("Student", through="Score")
class Score(models.Model):
    student=models.ForeignKey("Student")
    course=models.ForeignKey("Course")
    score=models.IntegerField()

我们在models里构建以上三个表，学生和课程是多对多关系，Score是我们自己创建的关系表，分别与学生表和课程表做关联，并且添加一个新的字段score，在学生表或课程表中依然创建关联字段students= models.ManyToManyField("Student", through="Score")，利用through参数就可以利用这个关联字段做查询了

表名=models.ManyToManyField(另一张表名，through=第三张关系表名（也就是我们自己创建的）)

 

注意注意注意：：：利用中介模型，我们对第三张表插入记录时就只能自己实例化了，因为add没法添加新的字段值

 

 

三、extra函数

1、应用场景：

ORM无法简单的表达sql中复杂的查询where语句，所以就用到了extra函数，用来实现在ORM生成的sql语句中注入新的sql原生语句

2、使用

（1）select参数

》》》先补充：

》》》mysql函数：date_format(表的字段名，"%Y-%m-%d")  一般用于日期类型，是为了截取数据中的年月日信息

》》》ORM自带的sqlite函数：strftime("%%Y-%%m-%%d"，字段名)    和上面的函数是一样的效果，都是截取年月日信息

queryset类型调用.extra（select=｛key："strftime("%%Y-%%m-%%d"，字段名)"｝）   可以写多个key多个value值，value就可以写原生sql语句，比如举例的这种，会把日期中的年月日提取出来作为value值；还可以写诸如sql中"price>100"这样的判断语句，满足就返回1不满足就返回0，1或者0就是value值

返回queryset类型

实现的功能：给调用的queryset类型中的每一个model对象添加名为key的字段，value值就是sql语句生成的内容

 

 

四、分组补充

1、之前我们讲的是：

Book.objects.all().annotate()    这样就是把前面queryset类型中的每一个model对象作为一组，分组依据是所有的字段，再利用聚合函数进行分组统计

2、怎么能把某一个字段作为分组依据呢

Book.objects.all().extra(select={key:value}).values("key").annotate()    前面如果出现了values或者values_list，就把其中的key作为分组依据，再利用聚合函数进行分组统计