如何减少Django查询中的数据库访问次数？多表查询性能优化咨询

阿华AIGC实验室

2026-5-12

如何优化多表关联的日志统计查询性能

嘿，你现在的写法确实会带来严重的性能问题——这是典型的N+1查询陷阱：先查所有用户（1次），然后每个用户查对应设备（N次，N是用户数），再每个设备查日志（M次，M是设备总数），总共触发1+N+M次数据库请求，数据量上去后速度会慢到离谱。

咱们完全可以利用Django的ORM聚合能力，把所有逻辑放到数据库层面完成，只需要1次查询就能得到结果。下面给你两种常用的优化方案：

方案1：按「用户+设备」分组统计日志数

如果需要精准统计每个用户下每台设备的日志数量，直接从Log表出发，通过values()指定分组维度，再用annotate()做计数：

from django.db.models import Count

# 一次查询得到所有用户-设备的日志统计
log_stats = Log.objects.filter(
    created_at__range=(from_date, to_date)
).values(
    # 指定分组的字段，同时可以关联用户/设备的显示字段
    'user__id', 'user__username',
    'device__id', 'device__name'
).annotate(
    log_count=Count('id')  # 统计每组的日志数量
).order_by('user__id', 'device__id')

结果处理（可选）

如果需要把结果整理成「用户→设备→统计数」的嵌套字典，只需要在Python层面做简单遍历：

result = {}
for stat in log_stats:
    user_id = stat['user__id']
    device_id = stat['device__id']
    
    if user_id not in result:
        result[user_id] = {
            'username': stat['user__username'],
            'devices': {}
        }
    
    result[user_id]['devices'][device_id] = {
        'device_name': stat['device__name'],
        'log_count': stat['log_count']
    }

方案2：按用户统计总日志数（忽略设备维度）

如果只需要每个用户的总日志数量，直接从User表出发，用带过滤条件的annotate()：

from django.db.models import Count, Q

user_total_stats = User.objects.annotate(
    total_logs=Count(
        'log',  # 关联到Log表的反向关联（假设Log的外键是user）
        filter=Q(log__created_at__range=(from_date, to_date)),
        distinct=False  # 如果日志和设备是一对一可以设为True，默认False即可
    )
)

# 遍历使用结果
for user in user_total_stats:
    print(f"用户 {user.username} 总日志数：{user.total_logs}")

关键优化点

减少数据库请求次数：所有统计逻辑由数据库完成，从原来的数百/数千次请求压缩到1次，这是性能提升的核心。
利用数据库索引：确保Log表的user、device、created_at字段都有数据库索引（Django外键默认会加索引，created_at建议手动添加db_index=True），能大幅加快过滤和关联速度。
避免不必要的数据加载：原来的循环会加载完整的User、Device对象，优化后的查询只加载需要的字段，减少内存占用。