Django基于DateTimeField过滤查询极慢，如何排查优化？

问题原因 #

1. 索引失效：你当前使用的post_date__year、post_date__month__gt过滤写法，在Django ORM底层会被转换为对post_date字段的日期提取函数运算（对应PostgreSQL的EXTRACT函数）。如果你仅给post_date建了普通B树索引，这类带函数运算的过滤条件无法直接触发索引匹配，大概率会走全表扫描。
2. 结果集匹配成本差异：未加post_date__gt条件时，符合2021年8-12月的记录数量非常多，数据库只需扫描少量数据就能凑够你limit要求的100条结果，所以耗时短；加了最近6天的过滤条件后，符合交集条件的记录占比极低，数据库需要扫描1500万条全表数据才能找到足够的符合条件的记录，耗时自然暴涨。
3. 额外说明：不需要把DateTimeField换成时间戳存储，PostgreSQL原生日期时间类型的查询效率和整型时间戳没有差异，你的问题本质是查询写法和索引配置不合理，和字段类型无关。

可尝试的优化方案 #

优先级最高的改动 #

1. 修改过滤逻辑，避免函数运算
   把post_date__year=2021 + post_date__month__gt=7的写法替换为直接的日期范围查询，完全兼容原有逻辑，且能触发索引匹配：

queryset = Note.objects.filter(       
    post_date__gte=datetime(2021, 8, 1), # 等价于2021年且月份大于7           
    post_date__gt=datetime.now() - timedelta(days=6),                         
)[:100]

2. 给post_date字段加B树索引
   在Django模型的post_date字段上添加db_index=True，执行迁移即可创建索引，是范围查询效率的基础保障：

post_date = models.DateTimeField(db_index=True)

次优先级的优化 #

1. 确认执行计划：可以通过print(queryset.explain(analyze=True))查看Django生成的SQL的执行计划，确认查询已经命中post_date的索引，没有走全表扫描。
2. 减少冗余字段查询：你的Note模型有35个字段还有关联字段，如果你不需要查询所有字段，可以用only()指定需要返回的字段，或者用values()/values_list()直接返回字典/元组，避免不必要的字段读取和关联查询开销：

# 仅查询需要的字段，比如id、post_date、content
queryset = Note.objects.filter(...).only('id', 'post_date', 'content')[:100]

3. 高频查询场景可选表达式索引：如果你确实有大量按年、月维度过滤的查询需求，可以针对日期提取结果创建专门的表达式索引，进一步提升这类查询的效率：

from django.db.models import F, Func
from django.db import models

class Note(models.Model):
    ...
    class Meta:
        indexes = [
            models.Index(
                Func(F('post_date'), function='EXTRACT', template="%(function)s(YEAR FROM %(expressions)s)"),
                Func(F('post_date'), function='EXTRACT', template="%(function)s(MONTH FROM %(expressions)s)"),
                name='note_post_date_year_month_idx'
            )
        ]

内容的提问来源于stack exchange，提问作者shinhong