您的位置:首页 >Django 6.1 RC1 实测:FETCH_PEERS 两条 SQL 解决 N+1,select_related 还需要吗?
发布于2026-08-06 阅读(0)
扫一扫,手机访问

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:
FETCH_ONE;FETCH_PEERS;select_related();RAISE。先给结论:FETCH_PEERS 很有价值,但它不是 select_related() 的替代品。
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。
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。
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:
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。
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。
测试环境如下:
| 项目 | 配置 |
|---|---|
| Django | 6.1 RC1 |
| Python | 3.12 |
| 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_ONE | 101 | 23.74 ms |
FETCH_PEERS | 2 | 3.09 ms |
select_related | 1 | 1.26 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。
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:
FETCH_PEERS 更适合访问路径不确定的场景。例如:
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”。

可以把选型压缩成三条规则:
对于 ForeignKey 和 OneToOneField,如果调用链明确,JOIN 通常更直接。
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。
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。
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。
select_related() / prefetch_related();FETCH_PEERS;RAISE;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?
售后无忧
立即购买>office旗舰店
售后无忧
立即购买>office旗舰店
售后无忧
立即购买>office旗舰店
售后无忧
立即购买>office旗舰店
正版软件
正版软件
正版软件
正版软件
正版软件
1
2
3
7
8