Django中如何按分类批量获取限定数量的关联模型数据？

嘿，我完全懂你的痛点——循环10次查数据库简直是效率杀手，不仅慢还容易引发不必要的数据库连接开销。给你两个靠谱的优化方案，你可以根据自己用的数据库来选：

方案一：跨数据库兼容的子查询合并法 #

这个方案适用于所有Django支持的数据库（MySQL、PostgreSQL、SQLite等），核心思路是把每个分类的前3条查询合并成一个大查询，只用一次数据库请求就能拿到所有数据，然后在Python里整理成按分类分组的结构。

from django.db.models import Subquery
from .models import Game, Image

def get_game_images_optimized(game: Game):
    # 为每个分类创建取前3条的子查询
    category_queries = []
    for category in Image.categories():
        # 筛选当前分类、当前游戏的图片，按你需要的规则排序（这里用id降序，可替换成上传时间等）
        sub_query = Image.objects.filter(
            game=game,
            category=category
        ).order_by('-id')[:3]
        category_queries.append(sub_query)
    
    # 合并所有子查询为一个Union查询，获取符合条件的图片ID
    union_query = category_queries[0]
    for q in category_queries[1:]:
        union_query = union_query.union(q)
    
    # 通过ID筛选出所有目标图片，并按分类排序
    all_images = Image.objects.filter(
        pk__in=Subquery(union_query.values('pk'))
    ).order_by('category')
    
    # 整理成{分类: 图片列表}的结构
    grouped_images = {}
    for img in all_images:
        if img.category not in grouped_images:
            grouped_images[img.category] = []
        grouped_images[img.category].append(img)
    
    # 确保所有分类都在结果中（哪怕该分类没有图片）
    for category in Image.categories():
        grouped_images.setdefault(category, [])
    
    return grouped_images

使用示例 #

替换你原来的处理逻辑：

game = Game.objects.first()
grouped_images = get_game_images_optimized(game)
for category, images in grouped_images.items():
    print(category)
    for image in images:
        print('\t', image.image.url)

方案二：PostgreSQL专属的窗口函数法（效率最高） #

如果你用的是PostgreSQL数据库，强烈推荐这个方案——直接利用数据库的窗口函数，在数据库层面完成「按分类分组、每组取前3条」的操作，一次查询直接拿到最终结果，效率比方案一更高。

from django.db.models import Window, F
from django.db.models.functions import RowNumber
from .models import Game, Image

def get_game_images_with_window(game: Game):
    # 使用RowNumber窗口函数，按category分组，每组内排序后取行号<=3的记录
    filtered_images = Image.objects.filter(
        game=game
    ).annotate(
        row_num=Window(
            expression=RowNumber(),
            partition_by=F('category'),  # 按分类分组
            order_by=F('id').desc()  # 每组内的排序规则，可自行调整
        )
    ).filter(row_num__lte=3).order_by('category', 'row_num')
    
    # 整理成分组结构
    grouped_images = {}
    for img in filtered_images:
        if img.category not in grouped_images:
            grouped_images[img.category] = []
        grouped_images[img.category].append(img)
    
    # 补全空分类
    for category in Image.categories():
        grouped_images.setdefault(category, [])
    
    return grouped_images

为什么这个更高效？ #

窗口函数是PostgreSQL的原生能力，能在一次扫描中完成分组、排序、取前N条的操作，不需要多次子查询或Union，数据库层面的计算效率比Python端处理更高。

方案对比 #

• 方案一：兼容所有数据库，代码稍复杂但通用性强
• 方案二：仅支持PostgreSQL，代码简洁且效率最优

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