Django序列化器中Prefetch Related引发查询过多的优化咨询

问题根源 #

你遇到的查询量激增，核心原因是get_number_of_items方法里的obj.orderitems.filter(orderid=obj.orderid)调用绕过了prefetch_related缓存，触发了N+1查询问题。

虽然你已经通过prefetch_related('orderitems')预加载了所有关联的SubOrder数据，但filter()方法会生成全新的QuerySet，不会复用已缓存的prefetch结果——每处理一个Order对象，就会发起一次新的数据库查询，订单数量越多，查询次数就成倍数增长。

另外这里的filter逻辑完全多余：obj.orderitems本身就是当前Order对象关联的所有SubOrder集合，不需要再通过orderid=obj.orderid重复过滤。

优化方案 #

方案1：直接复用prefetch缓存数据 #

修改get_number_of_items方法，去掉多余的filter，直接遍历预加载好的关联数据：

@staticmethod
def get_number_of_items(obj):
    total_ordered_products_quantity = sum(order_item.product_quantity for order_item in obj.orderitems.all())
    return total_ordered_products_quantity

这里obj.orderitems.all()会直接调用prefetch缓存的结果，不会触发新的数据库查询。

方案2：数据库层面计算总和（更高效） #

如果订单及子订单数量较大，在Python内存中循环求和会占用更多资源，推荐直接在数据库层面用annotate计算总和，把计算压力转移给数据库：

1. 更新setup_eager_loading方法，增加annotate逻辑：

from django.db.models import Sum

@staticmethod
def setup_eager_loading(queryset):
    """ Perform necessary eager loading of data. """
    queryset = queryset.prefetch_related('orderitems')
    queryset = queryset.select_related('user_reference', 'store_reference')
    # 数据库层面直接计算子订单product_quantity的总和
    queryset = queryset.annotate(total_quantity=Sum('orderitems__product_quantity'))
    return queryset

2. 修改序列化器，去掉SerializerMethodField，直接调用annotate生成的字段：

class AllOrderSellerSerializer(serializers.ModelSerializer):
    orderitems = AllOrderItemsSellerSerializer(many=True)
    store_reference = serializers.CharField(source="store_reference.store_reference")
    user_reference = serializers.CharField(source="user_reference.user_reference")
    # 直接使用数据库计算好的total_quantity字段
    number_of_items = serializers.IntegerField(source='total_quantity')

    class Meta:
        model = Order
        fields = ["order_number", "order_request_number", "store_reference",
                  "user_reference","number_of_items", "total_amount", "orderitems"]

这种方式不仅彻底避免了额外查询，还能利用数据库的计算能力提升效率。

验证建议 #

可以使用django-debug-toolbar工具查看优化后的数据库查询次数，确认查询量不再随订单数量增长而激增（正常情况下仅需2-3次查询）。

内容的提问来源于stack exchange，提问作者Aswany Mahendran