有时候会有这样的需求，为django执行一些定时任务，比如通知搜索引擎，例如百度，提交网站的一些地址给他们，通过为django的
manage.py添加自定义命令可以很容易的解决这个问题。下面介绍下如何添加。
首先需要在创建好的app应用的根目录创建文件夹名为management的目录，然后继续在该目录创建commands的目录，并在两个目录中都要创建__init__.py的python文件。 目录创建好之后继续在commands的目录中添加notify_baidu.py文件，文件名将会是manage.py的命令名。目录结构如下：
代码内容大概如下：
# -*- coding: …
一般我们在Django程序中查询数据库操作都是在QuerySet里进行进行，随着我们的程序越来越复杂，查询的条件也跟着复杂起来，这样简单的通过一个filter()来进行查询的条件将导致我们的查询越来越长。当我们在查询的条件中需要组合条件时(例如两个条件“且”或者“或”)时。我们可以使用Q()查询对象。
比如有以下表：
from django.db import models
class Blog(models.Model):
text = models.CharField(max_length=200)
pub_date = models.DateTimeField('published_date')
def …
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 …
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 / …
def render_json(data, status=200):
return HttpResponse(json.dumps(data), content_type="text/json", status=status)
def render_json_error(message, status=400):
return render_json(message, status) …