中介模型，cbv視圖，和查詢優化
中介模型：
處理類似搭配 pizza 和 topping 這樣簡單的多對多關系時，使用標準的ManyToManyField 就可以了。但是，有時你可能需要關聯數據到兩個模型之間的關系上。
例如，有這樣一個應用，它記錄音樂家所屬的音樂小組。我們可以用一個ManyToManyField 表示小組和成員之間的多對多關系。但是，有時你可能想知道更多成員關系的細節，比如成員是何時加入小組的。
對於這些情況，Django 允許你指定一個中介模型來定義多對多關系。 你可以將其他字段放在中介模型裏面。源模型的ManyToManyField 字段將使用through 參數指向中介模型。對於上面的音樂小組的例子，代碼如下：
from django.db import models
class Person(models.Model):
name = models.CharField(max_length=128)
def __str__(self): # __unicode__ on Python 2
return self.name
class Group(models.Model):
name = models.CharField(max_length=128)
members = models.ManyToManyField(Person, through=‘Membership‘)
def __str__(self): # __unicode__ on Python 2
return self.name
class Membership(models.Model):
person = models.ForeignKey(Person)
group = models.ForeignKey(Group)
date_joined = models.DateField()
invite_reason = models.CharField(max_length=64)
既然你已經設置好ManyToManyField 來使用中介模型（在這個例子中就是Membership），接下來你要開始創建多對多關系。你要做的就是創建中介模型的實例：
>>> ringo = Person.objects.create(name="Ringo Starr")
>>> paul = Person.objects.create(name="Paul McCartney")
>>> beatles = Group.objects.create(name="The Beatles")
>>> m1 = Membership(person=ringo, group=beatles,
... date_joined=date(1962, 8, 16),
... invite_reason="Needed a new drummer.")
>>> m1.save()
>>> beatles.members.all()
[<Person: Ringo Starr>]
>>> ringo.group_set.all()
[<Group: The Beatles>]
>>> m2 = Membership.objects.create(person=paul, group=beatles,
... date_joined=date(1960, 8, 1),
... invite_reason="Wanted to form a band.")
>>> beatles.members.all()
[<Person: Ringo Starr>, <Person: Paul McCartney>]
與普通的多對多字段不同，你不能使用add、 create和賦值語句（比如，beatles.members = [...]）來創建關系：
# THIS WILL NOT WORK
>>> beatles.members.add(john)
# NEITHER WILL THIS
>>> beatles.members.create(name="George Harrison")
# AND NEITHER WILL THIS
>>> beatles.members = [john, paul, ringo, george]
為什麽不能這樣做？ 這是因為你不能只創建 Person和 Group之間的關聯關系，你還要指定 Membership模型中所需要的所有信息；而簡單的add、create 和賦值語句是做不到這一點的。所以它們不能在使用中介模型的多對多關系中使用。此時，唯一的辦法就是創建中介模型的實例。
remove()方法被禁用也是出於同樣的原因。但是clear() 方法卻是可用的。它可以清空某個實例所有的多對多關系：
>>> # Beatles have broken up
>>> beatles.members.clear()
>>> # Note that this deletes the intermediate model instances
>>> Membership.objects.all()
[]
blogsystem項目中：我們也是通過創建實例來進行創建關系的代碼如下：
def addArticle(request):
if request.method=="POST":
article_form = ArticleForm(request.POST)
if article_form.is_valid():
title=article_form.cleaned_data.get("title")
content=article_form.cleaned_data.get("content")
personal_cate=request.POST.get("personal_cate")
personal_tag=request.POST.getlist("personal_tag")
article_obj=models.Article.objects.create(title=title,desc=content[0:30],create_time=datetime.datetime.now(),user=request.user,category_id=personal_cate)
models.ArticleDetail.objects.create(content=content,article=article_obj)
if personal_tag: # [2,3]
for i in personal_tag:
models.Article2Tag.objects.create(article_id=article_obj.nid,tag_id=i)#在第三張表中自動添加關系
else:
pass
return HttpResponse("添加成功")
article_form=ArticleForm()
cate_list=models.Category.objects.filter(blog__user=request.user)
tag_list=models.Tag.objects.filter(blog__user=request.user)
return render(request,"addArticle.html",{"article_form":article_form,"cate_list":cate_list,"tag_list":tag_list})
惰性查詢
查詢集 是惰性執行的 —— 創建查詢集不會帶來任何數據庫的訪問。你可以將過濾器保持一整天，直到查詢集 需要求值時，Django 才會真正運行這個查詢。
ret=models.Article.objects.all()
這個就不會進入數據庫查詢
print(ret) 就會對數據庫進行查詢
一般來說，只有在“請求”查詢集 的結果時才會到數據庫中去獲取它們。當你確實需要結果時，查詢集 通過訪問數據庫來求值。
緩存機制：
每個查詢集都包含一個緩存來最小化對數據庫的訪問。理解它是如何工作的將讓你編寫最高效的代碼。
在一個新創建的查詢集中，緩存為空。首次對查詢集進行求值 —— 同時發生數據庫查詢 ——Django 將保存查詢的結果到查詢集的緩存中並返回明確請求的結果（例如，如果正在叠代查詢集，則返回下一個結果）。接下來對該查詢集 的求值將重用緩存的結果。
請牢記這個緩存行為，因為對查詢集使用不當的話，它會坑你的。例如，下面的語句創建兩個查詢集，對它們求值，然後扔掉它們：
print([a.title for a in models.Article.objects.all()])
print([a.create_time for a in models.Article.objects.all()])
這意味著相同的數據庫查詢將執行兩次，顯然倍增了你的數據庫負載。同時，還有可能兩個結果列表並不包含相同的數據庫記錄，因為在兩次請求期間有可能有Article被添加進來或刪除掉。為了避免這個問題，只需保存查詢集並重新使用它：
queryResult=models.Article.objects.all()
print([a.title for a in queryResult])
print([a.create_time for a in queryResult])
什麽時候不會保存緩存？
查詢集不會永遠緩存它們的結果。當只對查詢集的部分進行求值時會檢查緩存， 如果這個部分不在緩存中，那麽接下來查詢返回的記錄都將不會被緩存。所以，這意味著使用切片或索引來限制查詢集將不會填充緩存。
例如，重復獲取查詢集對象中一個特定的索引將每次都查詢數據庫：
>>> queryset = Entry.objects.all()
>>> print queryset[5] # Queries the database
>>> print queryset[5] # Queries the database again
然而，如果已經對全部查詢集求值過，則將檢查緩存：
>>> queryset = Entry.objects.all()
>>> [entry for entry in queryset] # Queries the database
>>> print queryset[5] # Uses cache
>>> print queryset[5] # Uses cache
下面是一些其它例子，它們會使得全部的查詢集被求值並填充到緩存中：
>>> [entry for entry in queryset]
>>> bool(queryset)
>>> entry in queryset
>>> list(queryset)
註：簡單地打印查詢集不會填充緩存。
queryResult=models.Article.objects.all()
print(queryResult) # hits database
print(queryResult) # hits database
exists 和iterator
exists：
簡單的使用if語句進行判斷也會完全執行整個queryset並且把數據放入cache，雖然你並不需要這些 數據！為了避免這個，可以用exists()方法來檢查是否有數據：
if queryResult.exists():
#SELECT (1) AS "a" FROM "blog_article" LIMIT 1; args=()
print("exists...")
iterator:
當queryset非常巨大時，cache會成為問題。
處理成千上萬的記錄時，將它們一次裝入內存是很浪費的。更糟糕的是，巨大的queryset可能會鎖住系統 進程，讓你的程序瀕臨崩潰。要避免在遍歷數據的同時產生queryset cache，可以使用iterator()方法 來獲取數據，處理完數據就將其丟棄。
objs = Book.objects.all().iterator()
# iterator()可以一次只從數據庫獲取少量數據，這樣可以節省內存
for obj in objs:
print(obj.title)
#BUT,再次遍歷沒有打印,因為叠代器已經在上一次遍歷(next)到最後一次了,沒得遍歷了
for obj in objs:
print(obj.title)
當然，使用iterator()方法來防止生成cache，意味著遍歷同一個queryset時會重復執行查詢。所以使用#iterator()的時候要當心，確保你的代碼在操作一個大的queryset時沒有重復執行查詢
總結:
queryset的cache是用於減少程序對數據庫的查詢，在通常的使用下會保證只有在需要的時候才會查詢數據庫。 使用exists()和iterator()方法可以優化程序對內存的使用。不過，由於它們並不會生成queryset cache，可能 會造成額外的數據庫查詢。
查詢優化
對於一對一字段（OneToOneField）和外鍵字段（ForeignKey），可以使用select_related 來對QuerySet進行優化。
select_related 返回一個QuerySet，當執行它的查詢時它沿著外鍵關系查詢關聯的對象的數據。它會生成一個復雜的查詢並引起性能的損耗，但是在以後使用外鍵關系時將不需要數據庫查詢。
簡單說，在對QuerySet使用select_related()函數後，Django會獲取相應外鍵對應的對象，從而在之後需要的時候不必再查詢數據庫了。
obj_list=models.Article.objects.select_related("user").select_related("category").all()
print(obj_list)
for i in obj_list:
print(i.category)
for i in obj_list:
print(i.title)
cbv視圖：
通過類來對應url 通過類裏面的方法來對應
views代碼：
from django.views import View
class Login(View):
def get(self,request):
return render(request,"login_cbv.html")
def post(self,request):
return HttpResponse("post.........")
def delete(self):
pass
中介模型，cbv視圖，和查詢優化