async for 遍历 queryset 必须用 afilter() 而非 all()，因 all() 返回不可 await 的 queryset；流式导出大 excel 应用 streaminghttpresponse 包裹异步生成器，边查边写，避免内存溢出和同步 i/o 阻塞。
async for 遇到 QuerySet 时必须用 afilter() 而不是 all()
直接 await MyModel.objects.all() 会报错，因为 all() 本身不返回可 await 对象；它只是个 QuerySet 构造器，没触发查询。真正要流式遍历，得用异步 ORM 方法 + async for 组合。
常见错误现象：写 async for obj in MyModel.objects.all(): → 报 TypeError: 'QuerySet' object is not async iterable。
- ✅ 正确写法：
async for obj in MyModel.objects.afilter():（哪怕不加条件也得用afilter()） - ⚠️ 注意：
afilter()返回的是AsyncQuerySet，它实现了__aiter__，才能被async for消费 - ❌ 不要用
list()或await .alast()等操作提前耗尽迭代器，否则后续async for拿不到数据
流式导出大 Excel 时别在内存里攒整张表
用 openpyxl 写大文件时，如果先构建完整 Workbook 再 HttpResponse，很容易 OOM。正确做法是边查边写，靠异步生成器把每行数据“推”进响应流。
关键点在于：不能等所有数据库行查完再开始写 Excel，而要让数据库查询、单元格写入、HTTP 响应三者重叠执行。
- 用
StreamingHttpResponse包裹一个异步生成器，响应头设Content-Type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet - 生成器内部用
async for row in MyModel.objects.afilter().values_list('col1', 'col2')拉数据 - 每拿到一批行（比如 1000 条），就用
openpyxl的append()写入工作表，并调用save()到BytesIO缓冲区，yield 出 chunk - 避免用
save()全量写入磁盘文件，那会阻塞事件循环
异步生成器里混用同步 I/O 会卡死整个事件循环
比如在 async for 循环里调 time.sleep(1) 或 os.path.getsize()，表面看只是“小操作”，实际会让所有并发请求一起等——因为这是同步阻塞调用，事件循环无法切换。
典型踩坑场景：想给流式响应加人工延迟模拟慢速推送，结果发现所有 WebSocket 连接都卡住。
- ✅ 替代方案：用
await asyncio.sleep(1) - ✅ 文件元信息查取：改用
aiofiles.os.stat()（需安装aiofiles） - ✅ 日志记录：别用
print()或logging.info()，它们底层是同步 I/O；换asyncio.to_thread(logging.info, ...)或用支持异步的日志库 - ⚠️ 特别注意：Django 的
settings.DEBUG开启时，模板渲染、SQL 日志等全是同步行为，会显著拖慢异步流
前端接收流式响应必须用 fetch + ReadableStream，不能用 axios
Django 后端用 StreamingHttpResponse 推送 chunk，但前端若用 axios.get()，默认会等整个响应结束才触发 then()，根本收不到中间数据。
只有原生 fetch() 支持逐块读取，且需手动处理 response.body.getReader() 和 decoder.decode()。
- ✅ 正确流程：
const response = await fetch('/export/'); const reader = response.body.getReader(); while (true) { const { done, value } = await reader.read(); if (done) break; /* 处理 value（Uint8Array）*/ } - ❌
axios目前（v1.7+）仍不支持流式响应解析，response.data是完整 buffer - ⚠️ 中文文件名下载：
Content-Disposition头里的 filename* 参数必须 UTF-8 编码并加UTF-8''前缀，否则 Safari 会乱码
异步生成器的威力不在“快”，而在“不卡”。只要有一处同步 I/O 漏网，整个流式链路就退化成串行阻塞——这种问题往往在线上压测时才暴露，且日志里毫无异常。
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！
