Django推荐系统：自关联与中间模型的注解计算及性能对比

需求背景 #

一个被推荐人仅能拥有一个推荐人，一个推荐人可拥有多个被推荐人，需通过Django注解（annotation）计算用户的总奖金及推荐人数。

方案1：自关联User模型 #

代码实现：

class User(models.Model):
    username = models.CharField(max_length=50, null=True)
    referrer = models.ForeignKey("self", related_name='referrals', null=True, blank=True) 
    referrer_bonus = models.IntegerField(default=0) 
    referral_bonus = models.IntegerField(default=0)

方案优势 #

1. 完美匹配需求：通过自关联外键referrer直接定义推荐关系，related_name='referrals'可快速反向获取某个用户推荐的所有人；null=True, blank=True支持无推荐人的用户，天然满足“一推多、被推一”的关系约束。
2. 性能更优：统计操作仅需对User单表进行查询，无需关联额外表：
   • 统计每个用户的推荐人数：User.objects.annotate(referral_count=Count('referrals'))
   • 统计每个用户的总奖金（自身的推荐奖励+推荐他人获得的奖励总和）：

     from django.db.models import F, Sum, Coalesce
     User.objects.annotate(
         total_referrer_bonus=Sum('referrals__referrer_bonus')
     ).annotate(
         total_bonus=F('referral_bonus') + Coalesce(F('total_referrer_bonus'), 0)
     )
     

   这类查询只涉及User表的自连接，SQL执行开销远低于跨表关联。
3. 模型简洁：无需额外维护中间表，数据结构更直观，降低代码复杂度。

方案2：中间模型Referral #

代码实现：

class Referral(models.Model):
    referrer = models.ForeignKey(User, on_delete=models.PROTECT, related_name="referrals")
    referral = models.OneToOneField(User, on_delete=models.PROTECT, related_name='referral')
    referrer_bonus = models.IntegerField(default=0) 
    referral_bonus = models.IntegerField(default=0)

方案特点 #

1. 满足需求但冗余：通过OneToOneField保证一个被推荐人只能对应一条推荐记录，实现关系约束，但多了一张额外的中间表，增加了数据存储和查询的复杂度。
2. 性能劣势：所有统计操作都需要关联User和Referral两张表，比如统计推荐人数会生成JOIN查询，数据量越大，跨表关联的性能损耗越明显。
3. 仅适合扩展场景：如果未来需要给推荐关系添加更多属性（比如推荐时间、审核状态、额外规则字段），中间模型会更灵活，但当前需求下完全没必要增加这个复杂度。

最终结论 #

方案1（自关联User模型）是当前需求下的最优选择，既完美匹配关系约束，又在注解统计时拥有更高的性能，同时模型结构简洁易维护。

内容的提问来源于stack exchange，提问作者darl1ne