如何在Django中正确使用prefetch_related？为何聚合查询性能差异悬殊？

你这里用prefetch_related完全无效，因为聚合操作是在数据库层面执行的，而prefetch_related的作用是在Python层面批量预取关联模型数据、避免N+1查询——它根本不会影响聚合查询的SQL生成，反而会让Django额外执行一次PZ表的查询，拖慢整体速度。

第二条语句PZ.objects.prefetch_related('pzitem_set').aggregate(Sum('pzitem__quantity'))的实际执行逻辑是：

1. 先查询所有PZ记录
2. 再批量查询关联的PZItem记录（这一步是prefetch_related做的，但完全多余）
3. 最后仍会生成一条JOIN PZ和PZItem的SQL语句计算总和，等于做了无用的额外查询，自然比直接查PZItem慢很多。

场景1：计算所有PZItem的quantity总和 #

直接用第一条语句即可，这是效率最高的方式：

test = PZItem.objects.all().aggregate(Sum('quantity'))

场景2：按每个PZ分组，计算单PZ对应的PZItem数量总和 #

用annotate实现，同样不需要prefetch_related：

# 按PZ分组，得到每个PZ及其对应的PZItem quantity总和
pz_with_sum = PZ.objects.annotate(total_quantity=Sum('pzitem__quantity'))

场景3：确实需要预取关联数据，在Python层面手动求和 #

只有当你需要同时获取PZ的其他字段，且要在Python中处理关联数据时，prefetch_related才有用，但这种方式仅适合数据量小的场景，性能不如数据库层面聚合：

pzs = PZ.objects.prefetch_related('pzitem_set').all()
# Python层面求和
total = sum(item.quantity for pz in pzs for item in pz.pzitem_set.all())

总结：prefetch_related是给需要在Python中访问关联模型数据的场景设计的，数据库层面的聚合/分组查询不需要它，直接用ORM的aggregate或annotate即可。

内容的提问来源于stack exchange，提问作者skelaw