实例详解Django的 select_related 和 prefetch_related 函数对 QuerySet 查询的优化（二）
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。
本系列的第一篇在这里
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：
| 1234 | >>> zhangs = Person.objects.prefetch_related(\’visitation\’).get(firstname=u\”张\”,lastname=u\”三\”)>>> for city in zhangs.visitation.all() :... print city... |
上述代码触发的SQL查询如下：
| 12345678910 | SELECT `QSOptimize_person`.`id`, `QSOptimize_person`.`firstname`,`QSOptimize_person`.`lastname`, `QSOptimize_person`.`hometown_id`, `QSOptimize_person`.`living_id` FROM `QSOptimize_person` WHERE (`QSOptimize_person`.`lastname` = \’三\’ AND `QSOptimize_person`.`firstname` = \’张\’); SELECT (`QSOptimize_person_visitation`.`person_id`) AS `_prefetch_related_val`, `QSOptimize_city`.`id`, `QSOptimize_city`.`name`, `QSOptimize_city`.`province_id` FROM `QSOptimize_city` INNER JOIN `QSOptimize_person_visitation` ON (`QSOptimize_city`.`id` = `QSOptimize_person_visitation`.`city_id`)WHERE `QSOptimize_person_visitation`.`person_id` IN (1); |
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。
| 123456789101112131415 | +——+—————–+—————+——————–+—————–+| 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：
| 1234 | >>> hb = Province.objects.prefetch_related(\’city_set\’).get(name__iexact=u\”湖北省\”)>>> for city in hb.city_set.all():... =\”crayon-sy\”>.city_set.all():...
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：
上述代码触发的SQL查询如下：
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
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：
|