Django嵌套序列化器查询用户关联History数据返回空对象如何解决

• 序列化器类型使用错误：你当前的HistorySerializer和嵌套的HistorySummarySerializer继承的是serializers.Serializer，这是普通序列化器，不会自动读取Meta配置关联模型的字段，也不会自动解析模型的反向关联关系。如果要基于模型自动生成序列化规则，需要继承serializers.ModelSerializer。
• 反向关联字段名不匹配：Django 外键默认的反向关联名称是{模型名小写}_set，你没有在History的user外键字段上指定related_name="history"，所以User实例关联的History查询字段是history_set，而你序列化器里定义的字段是history，对应不上就会返回空值。
• 未预加载关联数据：你提到的懒加载确实会影响性能，2万+History记录如果不做预加载，会产生N+1查询问题，虽然不会直接导致返回空，但会严重拖慢接口响应速度。

可选：调整模型反向关联名（不改模型可跳过这步） #

如果要继续用history作为序列化字段名，可以给外键新增related_name配置：

class History(models.Model):
    hist_id = models.AutoField(primary_key=True)
    user = models.ForeignKey(
        User,
        on_delete=models.CASCADE,
        related_name="history" # 新增该行指定反向关联名
    )
    timestamp = models.DateTimeField(auto_now=False, auto_now_add=False)
    actions = models.JSONField(default=dict)
    traces = models.JSONField(default=dict)

修改序列化器 #

将序列化器改为继承ModelSerializer，匹配反向关联字段：

class HistorySerializer(serializers.ModelSerializer):
    class HistorySummarySerializer(serializers.ModelSerializer):
        class Meta:
            model = History
            # 可按需调整返回的History字段，无需再返回user字段，避免冗余
            fields = ['hist_id', 'timestamp', 'actions', 'traces']

    # 如果你没有修改模型加related_name，将该行改为如下配置即可：
    # history = HistorySummarySerializer(many=True, read_only=True, source="history_set")
    history = HistorySummarySerializer(many=True, read_only=True)

    class Meta:
        model = User
        # 可按需添加需要返回的用户基础字段，否则只会返回history字段
        fields = ['id', 'email', 'name', 'surname', 'phone_number', 'history']

调整视图增加预加载 #

通过prefetch_related提前加载关联的History数据，避免N+1查询问题：

class HistoryQuery(ListAPIView):
    serializer_class = HistorySerializer

    def get_queryset(self):
        # 如果你没有修改模型加related_name，将参数改为"history_set"即可
        return User.objects.all().prefetch_related("history")

• 不需要反转逻辑查询History模型：你需求的返回结构是用户列表挂载对应历史，以User为根查询更符合逻辑，也方便后续做用户维度的聚合。如果查询History再分组反而会增加代码复杂度。
• 后续按天聚合优化建议：基础功能跑通后，无需全量取出History再在Python层做聚合，可以直接用Django ORM的annotate+TruncDate函数在数据库层完成按天聚合，减少数据传输和内存占用，适配2万+的大数据量场景。

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