Django Ninja 中 ModelSchema 关联对象查询的异步处理技巧
2025-05-28 03:30:41作者:裴麒琰
在使用 Django Ninja 框架开发 REST API 时,ModelSchema 是一个非常方便的工具,它可以帮助我们快速地将 Django 模型转换为 Pydantic 模型。然而,在处理模型关联关系时,特别是在异步视图环境下,开发者可能会遇到一些棘手的问题。
常见问题场景
当我们需要在 ModelSchema 中包含关联模型的数据时,通常会使用 resolve_* 方法来定义。例如,Country 模型有一个到 News 模型的反向关联,我们希望在序列化 Country 时包含其关联的 News 数据。
同步与异步的冲突
在 Django Ninja 的异步视图中直接使用 Django ORM 的同步查询方法(如 all()、order_by() 等)会导致 SynchronousOnlyOperation 错误。这是因为 Django ORM 的许多查询方法在设计上是同步的,而异步视图需要异步操作。
解决方案
方案一:使用同步解析方法
最简单的解决方案是将 resolve_news 方法标记为同步方法:
class CountryRead(ModelSchema):
news: list[NewsRead]
class Config:
model = Country
model_fields = ["id", "name", "created", "modified"]
@staticmethod
def resolve_news(obj):
return list(obj.news.all().order_by("-datetime"))
注意这里使用了 list() 强制立即执行查询,避免惰性查询在异步上下文中执行。
方案二:预取关联数据
更优雅的解决方案是在视图层预先获取关联数据:
class CountryRead(ModelSchema):
news: list[NewsRead] = Field([], alias="prefetched_news")
class Config:
model = Country
model_fields = ["id", "name", "created", "modified"]
@api.get("/country/{id}", response=CountryRead)
async def get_country(request, id: int):
country = await aget_object_or_404(Country, id=id)
country.prefetched_news = [n async for n in country.news.all().order_by("-datetime")]
return country
这种方法有几个优点:
- 明确区分了同步和异步操作
- 可以在视图层控制查询的排序和限制
- 避免了在序列化过程中执行数据库查询
查询优化技巧
当需要限制返回的关联对象数量时,应该使用 Django ORM 的切片查询:
country.prefetched_news = [n async for n in country.news.all().order_by("-datetime")[:5]]
这样生成的 SQL 会包含 LIMIT 子句,比在 Python 中切片更高效。
总结
在 Django Ninja 中处理模型关联关系时,特别是在异步视图环境下,开发者需要注意以下几点:
- 避免在 Pydantic 的解析方法中直接使用 Django ORM 的同步查询
- 考虑在视图层预先获取关联数据
- 使用正确的查询方法优化数据库访问
- 明确区分同步和异步操作边界
通过合理的设计,可以既保持代码的简洁性,又确保性能最优。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
962
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
873
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430