常有人拿SQL和Django的ORM查询对比(即QuerySet)，总说QuerySet执行效率慢。呵呵，QuerySet只不过是多了一个解析步骤而已。实际执行效率快慢和你写的QuerySet查询有关系。正如不同的SQL语句也有执行效率快慢问题。
一般简单的QuerySet查询没什么需要优化的。有关QuerySet基础可参考：QuerySet查询基础。简单的QuerySet通常是在一个表上的查询，尽量避免使用__in条件即可。该__in对应SQL语句的in条件，这种类型的条件判断执行效率较慢。若in条件的值比较少，建议使用or逻辑合并条件。例如：
qs = Blog.objects.filter(id__in=[1, 5, 20])可修改为如下两种写法：
# 方法1：直接合并
qs …
最近公司在做服务器性能优化的事情，所以在网上查了很多资料，这里将资料做一些整理，以作记录。
一台服务器在单位时间里能处理的请求越多，服务器的能力越高，也就是服务器并发处理能力越强
吞吐率，单位时间里服务器处理的最大请求数，单位req/s，从服务器角度，实际并发用户数的可以理解为服务器当前维护的代表不同用户的文件描述符总数，也就是并发连接数。服务器一般会限制同时服务的最多用户数，比如apache的MaxClents参数。这里再深入一下，对于服务器来说，服务器希望支持高吞吐率，对于用户来说，用户只希望等待最少的时间，显然，双方不能满足，所以双方利益的平衡点，就是我们希望的最大并发用户数。
有一个原理一定要先搞清楚，假如100个用户同时向服务器分别进行10个请求，与1个用户向服务器连续进行1000次请求，对服务器的压力是一样吗？实际上是不一样的，因对每一个用户，连续发送请求实际上是指发送一个请求并接收到响应数据后再发送下一个请求。这样对于1个用户向服务器连续进行1000次请求, 任何时刻服务器的网卡接收缓冲区中只有1个请求，而对于100个用户同时向服务器分别进行10个请求，服务器的网卡接收缓冲区最多有100个等待处理的请求，显然这时的服务器压力更大。
压力测试前提考虑的条件
django查询QuerySet集合的方式，常用到的有filter/Q函数/exclude等方式，数据量比较小的时候还可以，但是如果数据量很大，而且查询比较复杂，那么如果还是使用多个filter进行查询效率就会很低。
提高查询数据库效率的方案有两种：
第一种，是使用原生的SQL语句来进行查询，这样的优点在于能够完全按照开发者的意图来执行，效率会很高，但是缺点也很明显：1.开发者需要非常熟悉SQL语句，加大开发者的工作量，同时，夹杂着SQL的项目也不利于以后程序的维护，增大程序的耦合度。2.若查询条件是动态变化的，则会使开发变得更加困难。
django为了解决这一难题，提供了aggregate(聚合函数)和annotate(在aggregate的基础上进行GROUP BY操作)。
下面，就来介绍第二种方法。
理解aggregate和annotate的关键在于理解SQL中的聚合函数：以下摘自百度百科：SQL基本函数，聚合函数对一组值执行计算，并返回单个值。除了 COUNT 以外，聚合函数都会忽略空值。 常见的聚合函数有AVG / COUNT / MAX / …
# python random常用的方法
import random
# 随机生成[0.1)的浮点数
print("random():", random.random())
# 随机生成1000-9999之间的整数
print("randint(1000, 9999):", random.randint(1000, 9999)) …