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。html
|
1
|
>>> 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]）。一般，查询集 的切片返回一个新的查询集 —— 它不会执行查询。python
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 —— 建立查询集不会带来任何数据库的访问。你能够将过滤器保持一成天，直到查询集 须要求值时，Django 才会真正运行这个查询。sql
|
1
2
3
4
5
6
|
queryResult=models.Article.objects.
all
() #
not
hits
database
print(queryResult) # hits
database
for
article
in
queryResult:
print(article.title) # hits
database
|
通常来讲，只有在“请求”查询集 的结果时才会到数据库中去获取它们。当你确实须要结果时，查询集 经过访问数据库来求值。 关于求值发生的准确时间，参见什么时候计算查询集。数据库
缓存机制
每一个查询集都包含一个缓存来最小化对数据库的访问。理解它是如何工做的将让你编写最高效的代码。django
在一个新建立的查询集中，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，若是正在迭代查询集，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。缓存
请牢记这个缓存行为，由于对查询集使用不当的话，它会坑你的。例如，下面的语句建立两个查询集，对它们求值，而后扔掉它们：函数
|
1
2
|
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，由于在两次请求期间有可能有Article被添加进来或删除掉。为了不这个问题，只需保存查询集并从新使用它：post
|
1
2
3
|
queryResult=models.Article.objects.
all
()
print([a.title
for
a
in
queryResult])
print([a.create_time
for
a
in
queryResult])
|
什么时候查询集不会被缓存?
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， 若是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。因此，这意味着使用切片或索引来限制查询集将不会填充缓存。性能
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：fetch
|
1
2
3
|
>>> queryset
=
Entry.objects.
all
()
>>>
print
queryset[
5
]
# Queries the database
>>>
print
queryset[
5
]
# Queries the database again
|
然而，若是已经对所有查询集求值过，则将检查缓存：
|
1
2
3
4
|
>>> 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，它们会使得所有的查询集被求值并填充到缓存中：
|
1
2
3
4
|
>>> [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。
|
1
2
3
|
queryResult
=
models.Article.objects.
all
()
print
(queryResult)
# hits database
print
(queryResult)
# hits database
|
exists()与iterator()方法
exists：
简单的使用if语句进行判断也会彻底执行整个queryset而且把数据放入cache，虽然你并不须要这些 数据！为了不这个，能够用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很是巨大时，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()能够一次只从数据库获取少许数据，这样能够节省内存 for obj in objs: print(obj.title) #BUT,再次遍历没有打印,由于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)
固然，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。因此使 #用iterator()的时候要小心，确保你的代码在操做一个大的queryset时没有重复执行查询。
总结:
queryset的cache是用于减小程序对数据库的查询，在一般的使用下会保证只有在须要的时候才会查询数据库。 使用exists()和iterator()方法能够优化程序对内存的使用。不过，因为它们并不会生成queryset cache，可能 会形成额外的数据库查询。
中介模型
处理相似搭配 pizza 和 topping 这样简单的多对多关系时，使用标准的ManyToManyField 就能够了。可是，有时你可能须要关联数据到两个模型之间的关系上。
例如，有这样一个应用，它记录音乐家所属的音乐小组。咱们能够用一个ManyToManyField 表示小组和成员之间的多对多关系。可是，有时你可能想知道更多成员关系的细节，好比成员是什么时候加入小组的。
对于这些状况，Django 容许你指定一个中介模型来定义多对多关系。 你能够将其余字段放在中介模型里面。源模型的ManyToManyField 字段将使用through 参数指向中介模型。对于上面的音乐小组的例子，代码以下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
from
django.db
import
models
class
Person(models.Model):
name
=
models.CharField(max_length
=
128
)
def
__str__(
self
):
# __unicode__ on Python 2
return
self
.name
class
Group(models.Model):
name
=
models.CharField(max_length
=
128
)
members
=
models.ManyToManyField(Person, through
=
'Membership'
)
def
__str__(
self
):
# __unicode__ on Python 2
return
self
.name
class
Membership(models.Model):
person
=
models.ForeignKey(Person)
group
=
models.ForeignKey(Group)
date_joined
=
models.DateField()
invite_reason
=
models.CharField(max_length
=
64
)
|
既然你已经设置好ManyToManyField 来使用中介模型（在这个例子中就是Membership），接下来你要开始建立多对多关系。你要作的就是建立中介模型的实例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>> ringo
=
Person.objects.create(name
=
"Ringo Starr"
)
>>> paul
=
Person.objects.create(name
=
"Paul McCartney"
)
>>> beatles
=
Group.objects.create(name
=
"The Beatles"
)
>>> m1
=
Membership(person
=
ringo, group
=
beatles,
... date_joined
=
date(
1962
,
8
,
16
),
... invite_reason
=
"Needed a new drummer."
)
>>> m1.save()
>>> beatles.members.
all
()
[<Person: Ringo Starr>]
>>> ringo.group_set.
all
()
[<Group: The Beatles>]
>>> m2
=
Membership.objects.create(person
=
paul, group
=
beatles,
... date_joined
=
date(
1960
,
8
,
1
),
... invite_reason
=
"Wanted to form a band."
)
>>> beatles.members.
all
()
[<Person: Ringo Starr>, <Person: Paul McCartney>]
|
与普通的多对多字段不一样，你不能使用add、 create和赋值语句（好比，beatles.members = [...]）来建立关系：
|
1
2
3
4
5
6
|
# THIS WILL NOT WORK
>>> beatles.members.add(john)
# NEITHER WILL THIS
>>> beatles.members.create(name
=
"George Harrison"
)
# AND NEITHER WILL THIS
>>> beatles.members
=
[john, paul, ringo, george]
|
为何不能这样作？ 这是由于你不能只建立 Person和 Group之间的关联关系，你还要指定 Membership模型中所须要的全部信息；而简单的add、create 和赋值语句是作不到这一点的。因此它们不能在使用中介模型的多对多关系中使用。此时，惟一的办法就是建立中介模型的实例。
remove()方法被禁用也是出于一样的缘由。可是clear() 方法倒是可用的。它能够清空某个实例全部的多对多关系：
|
1
2
3
4
5
|
>>>
# Beatles have broken up
>>> beatles.members.clear()
>>>
# Note that this deletes the intermediate model instances
>>> Membership.objects.
all
()
[]
|
查询优化
表数据
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
|
class UserInfo(AbstractUser):
""
"
用户信息
"
""
nid = models.BigAutoField(primary_key=
True
)
nickname = models.CharField(verbose_name=
'昵称'
, max_length=32)
telephone = models.CharField(max_length=11, blank=
True
,
null
=
True
,
unique
=
True
, verbose_name=
'手机号码'
)
avatar = models.FileField(verbose_name=
'头像'
,upload_to =
'avatar/'
,
default
=
"/avatar/default.png"
)
create_time = models.DateTimeField(verbose_name=
'建立时间'
, auto_now_add=
True
)
fans = models.ManyToManyField(verbose_name=
'粉丝们'
,
to
=
'UserInfo'
,
through=
'UserFans'
,
related_name=
'f'
,
through_fields=(
'user'
,
'follower'
))
def __str__(self):
return
self.username
class UserFans(models.Model):
""
"
互粉关系表
"
""
nid = models.AutoField(primary_key=
True
)
user
= models.ForeignKey(verbose_name=
'博主'
,
to
=
'UserInfo'
, to_field=
'nid'
, related_name=
'users'
)
follower = models.ForeignKey(verbose_name=
'粉丝'
,
to
=
'UserInfo'
, to_field=
'nid'
, related_name=
'followers'
)
class Blog(models.Model):
""
"
博客信息
"
""
nid = models.BigAutoField(primary_key=
True
)
title = models.CharField(verbose_name=
'我的博客标题'
, max_length=64)
site = models.CharField(verbose_name=
'我的博客后缀'
, max_length=32,
unique
=
True
)
theme = models.CharField(verbose_name=
'博客主题'
, max_length=32)
user
= models.OneToOneField(
to
=
'UserInfo'
, to_field=
'nid'
)
def __str__(self):
return
self.title
class Category(models.Model):
""
"
博主我的文章分类表
"
""
nid = models.AutoField(primary_key=
True
)
title = models.CharField(verbose_name=
'分类标题'
, max_length=32)
blog = models.ForeignKey(verbose_name=
'所属博客'
,
to
=
'Blog'
, to_field=
'nid'
)
class Article(models.Model):
nid = models.BigAutoField(primary_key=
True
)
title = models.CharField(max_length=50, verbose_name=
'文章标题'
)
desc
= models.CharField(max_length=255, verbose_name=
'文章描述'
)
read_count = models.IntegerField(
default
=0)
comment_count= models.IntegerField(
default
=0)
up_count = models.IntegerField(
default
=0)
down_count = models.IntegerField(
default
=0)
category = models.ForeignKey(verbose_name=
'文章类型'
,
to
=
'Category'
, to_field=
'nid'
,
null
=
True
)
create_time = models.DateField(verbose_name=
'建立时间'
)
blog = models.ForeignKey(verbose_name=
'所属博客'
,
to
=
'Blog'
, to_field=
'nid'
)
tags = models.ManyToManyField(
to
=
"Tag"
,
through=
'Article2Tag'
,
through_fields=(
'article'
,
'tag'
),
)
class ArticleDetail(models.Model):
""
"
文章详细表
"
""
nid = models.AutoField(primary_key=
True
)
content = models.TextField(verbose_name=
'文章内容'
, )
article = models.OneToOneField(verbose_name=
'所属文章'
,
to
=
'Article'
, to_field=
'nid'
)
class Comment(models.Model):
""
"
评论表
"
""
nid = models.BigAutoField(primary_key=
True
)
article = models.ForeignKey(verbose_name=
'评论文章'
,
to
=
'Article'
, to_field=
'nid'
)
content = models.CharField(verbose_name=
'评论内容'
, max_length=255)
create_time = models.DateTimeField(verbose_name=
'建立时间'
, auto_now_add=
True
)
parent_comment = models.ForeignKey(
'self'
, blank=
True
,
null
=
True
, verbose_name=
'父级评论'
)
user
= models.ForeignKey(verbose_name=
'评论者'
,
to
=
'UserInfo'
, to_field=
'nid'
)
up_count = models.IntegerField(
default
=0)
def __str__(self):
return
self.content
class ArticleUpDown(models.Model):
""
"
点赞表
"
""
nid = models.AutoField(primary_key=
True
)
user
= models.ForeignKey(
'UserInfo'
,
null
=
True
)
article = models.ForeignKey(
"Article"
,
null
=
True
)
models.BooleanField(verbose_name=
'是否赞'
)
class CommentUp(models.Model):
""
"
点赞表
"
""
nid = models.AutoField(primary_key=
True
)
user
= models.ForeignKey(
'UserInfo'
,
null
=
True
)
comment = models.ForeignKey(
"Comment"
,
null
=
True
)
class Tag(models.Model):
nid = models.AutoField(primary_key=
True
)
title = models.CharField(verbose_name=
'标签名称'
, max_length=32)
blog = models.ForeignKey(verbose_name=
'所属博客'
,
to
=
'Blog'
, to_field=
'nid'
)
class Article2Tag(models.Model):
nid = models.AutoField(primary_key=
True
)
article = models.ForeignKey(verbose_name=
'文章'
,
to
=
"Article"
, to_field=
'nid'
)
tag = models.ForeignKey(verbose_name=
'标签'
,
to
=
"Tag"
, to_field=
'nid'
)
|
select_related
简单使用
对于一对一字段（OneToOneField）和外键字段（ForeignKey），可使用select_related 来对QuerySet进行优化。
select_related 返回一个QuerySet，当执行它的查询时它沿着外键关系查询关联的对象的数据。它会生成一个复杂的查询并引发性能的损耗，可是在之后使用外键关系时将不须要数据库查询。
简单说，在对QuerySet使用select_related()函数后，Django会获取相应外键对应的对象，从而在以后须要的时候没必要再查询数据库了。
下面的例子解释了普通查询和select_related() 查询的区别。
查询id=2的文章的分类名称,下面是一个标准的查询：
|
1
2
3
4
5
|
# Hits the database.
article
=
models.Article.objects.get(nid
=
2
)
# Hits the database again to get the related Blog object.
print
(article.category.title)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
''
'
SELECT
"blog_article"."nid",
"blog_article"."title",
"blog_article"."desc",
"blog_article"."read_count",
"blog_article"."comment_count",
"blog_article"."up_count",
"blog_article"."down_count",
"blog_article"."category_id",
"blog_article"."create_time",
"blog_article"."blog_id",
"blog_article"."article_type_id"
FROM "blog_article"
WHERE "blog_article"."nid" = 2; args=(2,)
SELECT
"blog_category"."nid",
"blog_category"."title",
"blog_category"."blog_id"
FROM "blog_category"
WHERE "blog_category"."nid" = 4; args=(4,)
'
''
|
若是咱们使用select_related()函数：
|
1
2
3
4
5
6
7
|
articleList=models.Article.objects.select_related(
"category"
).
all
()
for
article_obj
in
articleList:
# Doesn't hit the
database
, because article_obj.category
# has been prepopulated
in
the previous query.
print(article_obj.category.title)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
SELECT
"blog_article"
.
"nid"
,
"blog_article"
.
"title"
,
"blog_article"
.
"desc"
,
"blog_article"
.
"read_count"
,
"blog_article"
.
"comment_count"
,
"blog_article"
.
"up_count"
,
"blog_article"
.
"down_count"
,
"blog_article"
.
"category_id"
,
"blog_article"
.
"create_time"
,
"blog_article"
.
"blog_id"
,
"blog_article"
.
"article_type_id"
,
"blog_category"
.
"nid"
,
"blog_category"
.
"title"
,
"blog_category"
.
"blog_id"
FROM
"blog_article"
LEFT
OUTER
JOIN
"blog_category"
ON
(
"blog_article"
.
"category_id"
=
"blog_category"
.
"nid"
);
|
多外键查询
这是针对category的外键查询，若是是另一个外键呢？让咱们一块儿看下：
|
1
2
|
article=models.Article.objects.select_related(
"category"
).get(nid=1)
print(article.articledetail)
|
观察logging结果，发现依然须要查询两次，因此须要改成：
|
1
2
|
article=models.Article.objects.select_related(
"category"
,
"articledetail"
).get(nid=1)
print(article.articledetail)
|
或者：
article=models.Article.objects
.select_related("category")
.select_related("articledetail")
.get(nid=1) # django 1.7 支持链式操做 print(article.articledetail)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
SELECT
"blog_article"
.
"nid"
,
"blog_article"
.
"title"
,
......
"blog_category"
.
"nid"
,
"blog_category"
.
"title"
,
"blog_category"
.
"blog_id"
,
"blog_articledetail"
.
"nid"
,
"blog_articledetail"
.
"content"
,
"blog_articledetail"
.
"article_id"
FROM
"blog_article"
LEFT
OUTER
JOIN
"blog_category"
ON
(
"blog_article"
.
"category_id"
=
"blog_category"
.
"nid"
)
LEFT
OUTER
JOIN
"blog_articledetail"
ON
(
"blog_article"
.
"nid"
=
"blog_articledetail"
.
"article_id"
)
WHERE
"blog_article"
.
"nid"
= 1; args=(1,)
|
深层查询
|
1
2
3
4
|
# 查询id=1的文章的用户姓名
article=models.Article.objects.select_related(
"blog"
).get(nid=1)
print(article.blog.
user
.username)
|
依然须要查询两次：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
SELECT
"blog_article"
.
"nid"
,
"blog_article"
.
"title"
,
......
"blog_blog"
.
"nid"
,
"blog_blog"
.
"title"
,
FROM
"blog_article"
INNER
JOIN
"blog_blog"
ON
(
"blog_article"
.
"blog_id"
=
"blog_blog"
.
"nid"
)
WHERE
"blog_article"
.
"nid"
= 1;
SELECT
"blog_userinfo"
.
"password"
,
"blog_userinfo"
.
"last_login"
,
......
FROM
"blog_userinfo"
WHERE
"blog_userinfo"
.
"nid"
= 1;
|
这是由于第一次查询没有query到userInfo表，因此，修改以下：
|
1
2
|
article=models.Article.objects.select_related(
"blog__user"
).get(nid=1)
print(article.blog.
user
.username)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
SELECT
"blog_article"
.
"nid"
,
"blog_article"
.
"title"
,
......
"blog_blog"
.
"nid"
,
"blog_blog"
.
"title"
,
......
"blog_userinfo"
.
"password"
,
"blog_userinfo"
.
"last_login"
,
......
FROM
"blog_article"
INNER
JOIN
"blog_blog"
ON
(
"blog_article"
.
"blog_id"
=
"blog_blog"
.
"nid"
)
INNER
JOIN
"blog_userinfo"
ON
(
"blog_blog"
.
"user_id"
=
"blog_userinfo"
.
"nid"
)
WHERE
"blog_article"
.
"nid"
= 1;
|
总结
- select_related主要针一对一和多对一关系进行优化。
- select_related使用SQL的JOIN语句进行优化，经过减小SQL查询的次数来进行优化、提升性能。
- 能够经过可变长参数指定须要select_related的字段名。也能够经过使用双下划线“__”链接字段名来实现指定的递归查询。
- 没有指定的字段不会缓存，没有指定的深度不会缓存，若是要访问的话Django会再次进行SQL查询。
- 也能够经过depth参数指定递归的深度，Django会自动缓存指定深度内全部的字段。若是要访问指定深度外的字段，Django会再次进行SQL查询。
- 也接受无参数的调用，Django会尽量深的递归查询全部的字段。但注意有Django递归的限制和性能的浪费。
- Django >= 1.7，链式调用的select_related至关于使用可变长参数。Django < 1.7，链式调用会致使前边的select_related失效，只保留最后一个。
prefetch_related()
对于多对多字段（ManyToManyField）和一对多字段，可使用prefetch_related()来进行优化。
prefetch_related()和select_related()的设计目的很类似，都是为了减小SQL查询的数量，可是实现的方式不同。后者是经过JOIN语句，在SQL查询内解决问题。可是对于多对多关系，使用SQL语句解决就显得有些不太明智，由于JOIN获得的表将会很长，会致使SQL语句运行时间的增长和内存占用的增长。如有n个对象，每一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，分别查询每一个表，而后用Python处理他们之间的关系。
|
1
2
3
4
5
|
# 查询全部文章关联的全部标签
article_obj=models.Article.objects.
all
()
for
i
in
article_obj:
print(i.tags.
all
()) #4篇文章: hits
database
5
|
改成prefetch_related：
|
1
2
3
4
5
|
# 查询全部文章关联的全部标签
article_obj=models.Article.objects.prefetch_related(
"tags"
).
all
()
for
i
in
article_obj:
print(i.tags.
all
()) #4篇文章: hits
database
2
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
SELECT
"blog_article"
.
"nid"
,
"blog_article"
.
"title"
,
......
FROM
"blog_article"
;
SELECT
(
"blog_article2tag"
.
"article_id"
)
AS
"_prefetch_related_val_article_id"
,
"blog_tag"
.
"nid"
,
"blog_tag"
.
"title"
,
"blog_tag"
.
"blog_id"
FROM
"blog_tag"
INNER
JOIN
"blog_article2tag"
ON
(
"blog_tag"
.
"nid"
=
"blog_article2tag"
.
"tag_id"
)
WHERE
"blog_article2tag"
.
"article_id"
IN
(1, 2, 3, 4);
|
extra
extra(select=None, where=None, params=None,
tables=None, order_by=None, select_params=None)
有些状况下，Django的查询语法难以简单的表达复杂的 WHERE 子句，对于这种状况, Django 提供了 extra() QuerySet修改机制 — 它能在 QuerySet生成的SQL从句中注入新子句
extra能够指定一个或多个 参数,例如 select, where or tables. 这些参数都不是必须的，可是你至少要使用一个!要注意这些额外的方式对不一样的数据库引擎可能存在移植性问题.(由于你在显式的书写SQL语句),除非万不得已,尽可能避免这样作
参数之select
The select 参数可让你在 SELECT 从句中添加其余字段信息，它应该是一个字典，存放着属性名到 SQL 从句的映射。
queryResult=models.Article
.objects.extra(select={'is_recent': "create_time > '2017-09-05'"})
结果集中每一个 Entry 对象都有一个额外的属性is_recent, 它是一个布尔值，表示 Article对象的create_time 是否晚于2017-09-05.
练习：
# in sqlite: article_obj=models.Article.objects
.filter(nid=1)
.extra(select={"standard_time":"strftime('%%Y-%%m-%%d',create_time)"})
.values("standard_time","nid","title") print(article_obj) # <QuerySet [{'title': 'MongoDb 入门教程', 'standard_time': '2017-09-03', 'nid': 1}]>
参数之where / tables
您可使用where定义显式SQL WHERE子句 - 也许执行非显式链接。您可使用tables手动将表添加到SQL FROM子句。
where和tables都接受字符串列表。全部where参数均为“与”任何其余搜索条件。
举例来说：
queryResult=models.Article
.objects.extra(where=['nid in (1,3) OR title like "py%" ','nid>2'])
总体插入
建立对象时，尽量使用bulk_create()来减小SQL查询的数量。例如：
Entry.objects.bulk_create([
Entry(headline="Python 3.0 Released"),
Entry(headline="Python 3.1 Planned")
])
...更优于：
Entry.objects.create(headline="Python 3.0 Released") Entry.objects.create(headline="Python 3.1 Planned")
注意该方法有不少注意事项，因此确保它适用于你的状况。
这也能够用在ManyToManyFields中，因此：
my_band.members.add(me, my_friend)
...更优于：
my_band.members.add(me) my_band.members.add(my_friend)
...其中Bands和Artists具备多对多关联。