要做一个分页，发现前端页面卡死，原因因为数据量太大，百万级数据，经过优化查询方法，已经没问题了，页面数据都可以快速展示
1、先来看一组让页面卡死的代码：
def aaa(request): page = request.GET.get('page') start = (int(page) - 1) * 15 + 1 end = start + 15 all_arts = Article.objects.values("id","title").filter(type="python") paginator = Paginator(all_arts, 15) arts = all_arts[start:end] product_list = paginator.page(page)get('page') start = (int(page) - 1) * 15 + 1 end = start + 15 all_arts = Article.objects.values("id","title").filter(type="python") paginator = Paginator(all_arts, 15) arts = all_arts[start:end] product_list = paginator.page(page)
page：前端传来的页码参数
start：每页显示15条数据，设置切片起始位置
end : 设置切片结束位置
all_arts : 找出类型为python的所有数据，查找字段为id和title
paginator：分页15条，返回分页
以上查询，数据量小的时候可能感觉不出来问题，当数据量大的时候，比如我这里举个例子，Article有100万条数据，查询type=python的大概有10万条数据，这种写法查询性能极差，原因在于我查的时候，没有用索引来查，程序就卡在了这个地方，我的索引[start,end]用在了查询后的切片上面，但此时的切片，起不到什么提高查询效率的作用
all_arts = Article.objects.values("id","title").filter(type="python")"id","title").filter(type="python")那么该怎么查，才能最大提高效率？原生SQL中，我们可以适用limit来进行查询，举个例子，18万数据，进行查询，我就不截图了，把查询运行时间说下
不用limit进行查询：16秒
select id,title from aaa where type='python';from aaa where type='python';用limit进行查询：0.062秒
select id,title from aaa where type='python' limit 0,20;0,20;两种方式查询的数据取到的数据不一样，前者取全量type="python"数据，用时16秒，后者通过加限制条件，从第一条开始取，取20条，用时0.062秒
那么我们django分页也可以按照这种类似limit的方式来进行查询，前端请求某一页的时候，我们只查那一页的数据，不全量返回数据，用什么查什么，页面就不会卡死，而我上面分享的卡死的方法，是查的全量数据，页面容易卡死
基于此，开始进行代码优化，在django中，limit的实现是通过切片来完成的，奉上代码,其实我们只要将切片[start:end]加在filter查询或者all查询后面即可，优先查我们需要的15条数据
all_arts = Article.objects.filter(btype=stype)[start:end].values("id","title")start:end].values("id","title")另外，django orm功能强大，我也是遇到什么需求，就去着重学下，另外我还需要查询全量数据的长度，该怎么查？
这样写行不行？
len(Article.objects.all())all())没问题可以，只不过还是牵涉到查询效率问题，SQL查询是一门精妙的学问，怎么查才能最快的查到我们想要的结果，对于查询个数，我们写SQL语句一般可以这样写,用count方法
select count(*) from aaa;count(*) from aaa;
那么在django中也对应的有count方法
Article.objects.all().count().objects.all().count()同样是查询，平时我们接触不到大量数据，可能我们怎么写都可以快速获取想要的结果，感受不到查询效率问题，但是当我们数据量大到一定程度，SQL查询则必须研究，一定会有更好的查询方法，最近通过这些简单的例子，对SQL查询也有了进一步了解
另外，有个小问题，也是我最近在研究的问题，我这里有个数据库为3GB的表，大概8万条数据，用pandas进行read_sql读取，非常慢，12GB的内存也快满了，无法进行后续数据处理操作，该如何进行读取？欢迎有知道的大佬留言
python爬虫人工智能大数据公众号
