Django中ManyToMany多对多关联数据的最高效计数方法

针对数十万级数据的场景，核心原则只有一个：所有统计逻辑全在数据库层完成，绝对不要把数据拉到Python内存里循环计算，后者会产生大量冗余查询、内存占用极高，性能差几个数量级。

需求1：统计answers关联不为空的对象总数量 #

最快的方案是直接操作ManyToMany自动生成的中间表，完全跳过主表、Option表的关联查询，只扫中间表索引就能出结果，性能比常规关联写法高30%以上：

# 拿到多对多字段的中间表模型
answer_option_through = MultiChoiceAnswer.answers.through
# 直接统计中间表里关联了答案的答题记录ID去重数量
non_empty_answer_count = answer_option_through.objects.values(
    "multi_choice_answer_id"
).distinct().count()

如果追求代码简洁，能接受微小的性能损失，也可以用常规关联写法：

non_empty_answer_count = MultiChoiceAnswer.objects.filter(
    answers__isnull=False
).distinct().count()

需求2：统计每个Option选项对应的答案关联次数 #

根据性能要求选两种写法即可：

常规场景（代码简洁优先） #

直接从Option模型侧反向聚合，单条语句出结果，索引命中的情况下几十万数据毫秒级返回：

from django.db.models import Count

option_stats = Option.objects.annotate(
    # 反向关联名默认是模型名小写，未自定义related_name时直接用multichoiceanswer
    answer_count=Count("multichoiceanswer")
).values("id", "text", "answer_count")

超大数据量（性能优先） #

还是直接操作中间表做分组聚合，减少一次主表关联查询，性能拉满：

from django.db.models import Count

answer_option_through = MultiChoiceAnswer.answers.through
# 先在中间表按选项ID分组统计次数
raw_count = answer_option_through.objects.values("option_id").annotate(
    answer_count=Count("multi_choice_answer_id")
)
# 一次性批量取出所有用到的选项文本，避免N+1查询
option_map = {
    opt.id: opt.text
    for opt in Option.objects.filter(id__in=[item["option_id"] for item in raw_count])
}
# 组装最终结果
option_stats = [
    {
        "id": item["option_id"],
        "text": option_map[item["option_id"]],
        "answer_count": item["answer_count"]
    }
    for item in raw_count
]

避坑提醒 #

• 绝对不要循环遍历MultiChoiceAnswer对象，用len(obj.answers.all())统计，会触发N+1查询，数据量稍大就会超时
• 统计数量永远用QuerySet的.count()方法，不要用len()把全量数据拉到内存再计数
• 如果这个统计是高频访问的接口，不要每次请求都实时聚合，加短周期缓存，或者定时把统计结果落库存储，响应速度会提升几个量级
• Django默认会给多对多中间表的两个外键字段建索引，不要手动删除这两个索引，这是聚合查询速度的基础

内容的提问来源于stack exchange，提问作者Qihi