N+1查询是Django中因惰性加载导致的性能问题,即主查询后对每个对象访问外键触发额外SQL。如查100本书再逐个访问author.name,产生101次查询。select_related通过JOIN解决正向关联,prefetch_related用IN批量查询解决反向及多对多关系。

什么是N+1查询,为什么它会在Django中出现
Django ORM默认使用惰性加载(lazy loading),当你访问外键或反向关系时,它不会提前把关联数据查出来,而是在你第一次访问时才发新SQL。比如 Book.objects.all() 查出100本书,再遍历每本的 book.author.name,就会额外触发100次查询——总共101次,这就是典型的N+1问题。
它不报错,但响应变慢、数据库压力陡增,尤其在API返回列表页或管理后台批量展示时特别明显。
select_related 适合一对一和外键正向关系
它用 SQL 的 JOIN 一次性把关联表字段拉过来,只发1条查询。必须是正向外键(ForeignKey)或一对一(OneToOneField)才能用。
- 正确用法:
Book.objects.select_related('author')→ 关联Author表 - 多层嵌套:
Book.objects.select_related('author__user')→ 支持链式,但注意中间不能断(author字段必须存在且非空) - 错误场景:对
author.book_set.all()这类反向多对多/多对一关系无效,会静默忽略 - 性能影响:JOIN 会让单条SQL变重,如果关联表字段很多或数据量大,可能比多次小查询还慢
prefetch_related 解决反向关系和多对多
它不走 JOIN,而是用“分两步查”:先查主表,再用 IN 批量查关联表,最后在Python层做内存拼接。适用于 ForeignKey 反向、ManyToManyField、GenericRelation 等。
- 正确用法:
Author.objects.prefetch_related('book_set')→ 查所有作者,顺带把每人名下的书全捞出来 - 自定义
QuerySet:prefetch_related(Prefetch('book_set', queryset=Book.objects.only('id', 'title'))),避免加载不需要的字段 - 容易踩坑:如果
book_set是空的,Django仍会执行一次SELECT ... WHERE author_id IN (),虽无结果但浪费一次连接 - 注意缓存:prefetch 后的
author.book_set.all()不再触发查询,但如果你手动改了author._state.adding = True或用了.only()漏掉外键字段,可能失效
什么时候该组合用,以及为什么 only/defer 不是替代方案
select_related 和 prefetch_related 可以混用,比如查订单列表并带上用户和商品分类:Order.objects.select_related('user').prefetch_related('items__product__category')。但要注意顺序无关,Django内部会合并处理。
-
only('name', 'email')只控制 SELECT 字段,不解决关联查询次数;如果漏掉外键字段(如author_id),select_related直接失效 -
defer('description')是延迟加载字段,反而可能在后续访问时触发额外查询,慎用 - 真实瓶颈常在模板里:
{% for book in books %}{{ book.author.name }}{% endfor %}这种写法必须配合预加载,否则必掉坑
最易被忽略的是:预加载只对 QuerySet 生效,一旦转成 list 或切片(list(qs)、qs[:10]),就失去“可链式优化”的能力,后续加 select_related 也没用。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!











