展开菜单
首页 精品内容 本月促销 装机必备 Windows PDF教程 macOS软件 IOS软件 Android AI 专题
全部分类

当前位置:

首页 > 编程开发 > Django 6.1 RC1 实测:FETCH_PEERS 两条 SQL 解决 N+1,select_related 还需要吗?

Django 6.1 RC1 实测:FETCH_PEERS 两条 SQL 解决 N+1,select_related 还需要吗?

Django 6.1 RC1 实测:FETCH_PEERS 两条 SQL 解决 N+1,select_related 还需要吗? Django 6.1 RC1 在 2026 年 7 月 22 日发布,正式版已进入最后的发布窗口。这个版本最值得后端开发者关注的变化之一,是 ORM 新增了 Fetch

本文目录

    Django 6.1 RC1 实测:FETCH_PEERS 两条 SQL 解决 N+1,select_related 还需要吗?

    Django 6.1 RC1 在 2026 年 7 月 22 日发布,正式版已进入最后的发布窗口。这个版本最值得后端开发者关注的变化之一,是 ORM 新增了 Fetch Modes(字段获取模式)。

    它试图解决一个老问题:代码运行时才访问关联字段,开发者又没有提前写 select_related() 或 prefetch_related(),于是一次列表查询悄悄膨胀成 N+1 条 SQL。

    这篇文章不只介绍 API。我在隔离环境中安装了 Django 6.1 RC1,用 100 本书和 100 位作者做了一次可复现实验,直接比较:

    • 默认的 FETCH_ONE;
    • 新增的 FETCH_PEERS;
    • 传统的 select_related();
    • 用来阻止意外查询的 RAISE。

    先给结论:FETCH_PEERS 很有价值,但它不是 select_related() 的替代品。

    N+1 为什么总在代码评审后才暴露

    假设每本书都关联一位作者:

     复制代码class Author(models.Model):
        name = models.CharField(max_length=100)
    class Book(models.Model):
        title = models.CharField(max_length=200)
        author = models.ForeignKey(Author, on_delete=models.CASCADE)
    

    下面的代码看起来非常自然:

     复制代码books = Book.objects.all()for book in books:
        print(book.author.name)
    

    第一条 SQL 查询 100 本书。之后,每次访问 book.author,Django 都需要再查询一次作者,于是总数变成:

     复制代码1 条 Book 查询 + 100 条 Author 查询 = 101 条 SQL
    

    传统修复方式是提前声明关联字段:

     复制代码books = Book.objects.select_related("author")
    

    它会使用 JOIN,一条 SQL 就把书和作者一起取回。问题在于,真实系统中的字段访问经常由序列化器、模板、插件或运行时分支决定,写查询的人未必知道后面会访问哪个字段。

    这正是 FETCH_PEERS 想补上的空白。

    Django 6.1 的三种 Fetch Mode

    FETCH_ONE:保持原来的行为

     复制代码from django.db import modelsbooks = Book.objects.fetch_mode(models.FETCH_ONE)
    

    当一个未加载字段被访问时,只为当前对象取一次数据。这是 Django 过去的行为,也是 Django 6.1 的默认模式。

    优点是行为稳定、单次访问成本明确;缺点是放进循环后很容易形成 N+1。

    FETCH_PEERS:第一次访问时批量补齐同批对象

     复制代码books = Book.objects.fetch_mode(models.FETCH_PEERS)for book in books:
        print(book.author.name)
    

    第一次访问某一本书的 author 时,Django 会找到来自同一个 QuerySet 的其他 Book 实例,并批量获取它们需要的关联作者。最终查询形态通常是:

    1. 查询全部 Book;
    2. 批量查询这些 Book 对应的 Author。

    它很像“按需触发的 prefetch_related()”:只有代码真正访问关联字段时,第二条查询才发生。

    RAISE:不允许代码偷偷访问数据库

     复制代码books = Book.objects.fetch_mode(models.RAISE)for book in books:
        print(book.author.name)
    

    一旦 author 未能提前加载,Django 便不再默默执行查询,而是直接抛出 FieldFetchBlocked 异常。这一机制在性能敏感场景、模板渲染及 API 序列化测试中显得尤为关键:它让意外产生的 SQL 无法再悄无声息地溜过,而是立刻报错,从而确保代码行为的确定性。

    100 本书的真实查询结果

    测试环境如下:

    项目配置
    Django6.1 RC1
    Python3.12
    数据库SQLite 内存数据库
    数据量100 Author + 100 Book
    关系每本书关联一位作者
    计数方法connection.queries

    核心测试函数只有几行:

     复制代码def measure(label, queryset):
        connection.queries_log.clear()
        started = perf_counter()
        books = list(queryset)
        names = [book.author.name for book in books]
        elapsed_ms = (perf_counter() - started) * 1000
        print(label, len(connection.queries), elapsed_ms)
    

    四种模式依次运行:

     复制代码measure("FETCH_ONE", Book.objects.fetch_mode(models.FETCH_ONE))
    measure("FETCH_PEERS", Book.objects.fetch_mode(models.FETCH_PEERS))
    measure("select_related", Book.objects.select_related("author"))blocked = list(Book.objects.fetch_mode(models.RAISE))
    print(blocked[0].author.name)  # FieldFetchBlocked
    

    本机单次结果如下:

    策略SQL 数量单次耗时
    FETCH_ONE10123.74 ms
    FETCH_PEERS23.09 ms
    select_related11.26 ms
    RAISE阻止查询抛出 FieldFetchBlocked

    这组数据更适合用来说明查询形态,本身并不能直接当作通用性能排行榜来看。原因很简单:SQLite 的内存数据库、数据规模、字段宽度、网络延迟,甚至数据库执行计划,都会把最终耗时拉向不同结果。真正更稳、更有参考价值的结论,其实是 SQL 的数量变化——在这个关系访问场景里,FETCH_PEERS 直接把 101 条 SQL 压缩到了 2 条。

    select_related 还需要吗?当然需要

    如果业务代码明确知道“这次一定会访问作者”,select_related("author") 仍然是最直接的表达:

     复制代码books = Book.objects.select_related("author")
    

    它的优势有三个:

    1. 查询意图在代码中清晰可见;
    2. 只执行一次 JOIN;
    3. 不需要等到第一次属性访问时才触发第二条 SQL。

    FETCH_PEERS 更适合访问路径不确定的场景。例如:

    • 同一个 QuerySet 被多个序列化器复用;
    • 模板根据权限决定是否展示关联字段;
    • 插件或扩展在运行时访问模型属性;
    • 希望减少 N+1,又不想为每条动态路径维护预取字段列表。

    换句话说,select_related() 是“我明确知道会用什么”;FETCH_PEERS 是“我运行到这里才知道需要什么,但请不要逐条查询”。

    一张图完成策略选择

    可以把选型压缩成三条规则:

    规则一:字段明确且必用,优先 select_related

    对于 ForeignKey 和 OneToOneField,如果调用链明确,JOIN 通常更直接。

    规则二:访问由运行时决定,考虑 FETCH_PEERS

    它能在真正访问字段时批量补齐同一 QuerySet 的对象,避免逐条获取。

    规则三:性能边界必须严格,使用 RAISE

    把隐式查询变成测试失败,尤其适合高吞吐 API、循环和模板渲染边界。

    FETCH_PEERS 的边界不能忽略

    第一,它只影响未加载字段和关联对象的获取行为,不会让任意 ORM 查询自动变快。

    第二,它不是数据库缓存。第二条批量查询仍然真实发生,只是从 N 条缩减为一条。

    第三,模式会沿着获取到的关联对象继续传播。复杂关系树中应观察真实 SQL,而不是凭感觉判断。

    第四,Django 6.1 RC1 仍是预发布版本。正式版发布前,API 与边界行为仍应以最终文档和发布说明为准,生产环境不要因为一篇基准文章直接升级。

    升级前的验证清单

    • 在隔离环境安装 Django 6.1 RC1,不直接修改生产依赖;
    • 为关键列表接口记录 SQL 数量基线;
    • 对已知字段继续使用 select_related() / prefetch_related();
    • 在动态访问路径试用 FETCH_PEERS;
    • 在不允许隐式查询的测试中启用 RAISE;
    • 同时比较 SQL 数量、返回数据量和数据库执行计划;
    • 检查第三方包是否支持 Django 6.1;
    • 正式升级前重新阅读最终版 6.1 发布说明。

    结论:FETCH_PEERS 是新工具,不是万能替代

    Django 6.1 没有宣布 select_related() 过时。它新增的是一套更细的控制手段:

    • FETCH_ONE 保留兼容行为;
    • FETCH_PEERS 在运行时批量补齐同批对象;
    • RAISE 把意外 SQL 变成明确错误;
    • select_related() 继续负责已知关系的主动 JOIN。

    真正值得升级的不是“少写一个 select_related”,而是 ORM 第一次允许我们明确表达:缺失字段应该单独取、成批取,还是根本不许取。

    如果你的项目中既有 DRF 序列化器又有复杂模板,你更希望先在哪一层尝试 FETCH_PEERS?

    参考资料

    • Django 6.1 RC1 发布公告
    • Django 6.1 Fetch Modes 官方文档
    • Django 6.1 发布说明
    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    精品专题 更多
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    macOS软件

    正软商城macOS软件专区,精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具,提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。

    IOS软件

    正软商城iOS软件专区,精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用,提供功能介绍、适用设备、系统要求和正版获取方式等信息。

    AI

    正软商城AI软件专区,汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具,提供功能介绍、适用平台、收费方式及正版购买信息。

    Mac软件 更多
    Aperty macOS版
    Aperty macOS版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw macOS版
    AionClaw macOS版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy macOS版
    Loomy macOS版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    AirBuddy 3 macOS版
    AirBuddy 3 macOS版

    AirBuddy 3 是面向 macOS 的蓝牙外设增强工具,可集中查看 AirPods、Beats 与苹果设备电量,提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。

    AirServer macOS版
    AirServer macOS版

    AirServer macOS版可把 Mac 转换为无线投屏接收端,通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面,并支持多设备同时连接、高清镜像及会话录制,适合家庭娱乐、课堂教学、会议演示和应用展示。

    AnyDesk macOS版
    AnyDesk macOS版

    AnyDesk macOS版是一款适用于远程办公、设备维护和客户支持的远程桌面工具,可连接并操作异地计算机,支持文件传输、无人值守访问、会话权限控制及跨平台协作。

    WINDOWS 更多
    讯飞绘文 网页版
    讯飞绘文 网页版

    讯飞绘文网页版是科大讯飞推出的AI图文创作与内容运营工具,覆盖热点选题、文章生成、稿件校对、智能配图、排版发布和数据复盘等环节,适合自媒体创作者及内容团队在线使用。

    Maya(Autodesk Maya) Windows版
    Maya(Autodesk Maya) Windows版

    Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件,集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体,

    Aperty Windows版
    Aperty Windows版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw Windows版
    AionClaw Windows版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy Windows版
    Loomy Windows版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    AirServer Windows版
    AirServer Windows版

    AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端,适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端,并可同时接收和智能排列多个镜像会话。