Django 2.1.7 模型管理器 models.Manager 以及 元选项

2024-08-21 04:18

本文主要是介绍Django 2.1.7 模型管理器 models.Manager 以及 元选项,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

13423234-c8e484b60d8cd3cc.png

上一篇Django 2.1.7 模型的关联
讲述了关于Django模型一对多、多对多、自关联等模型关系。

在查询数据的时候,对于某种固定的查询,例如视图之类的查询,通用类型的查询每次都需要写一遍,有没有一个地方可以将这类通用的查询抽象出来,进行模型的业务管理呢?

这时候就要看看模型的管理器了。

参考文献

https://docs.djangoproject.com/zh-hans/2.1/topics/db/managers/

管理器Manager

在前面的篇章中,使用模型进行查询的时候,都会调用objects,那么这个objects到底是什么呢?

默认情况下,Django 为每个Django模型类添加一个模型管理类Manager的对象为objects。如果想要将这个对象修改为其他名称,那么可以用models.Manager()来自定义创建对象,如下:

# 全国区域信息
class AREA(models.Model):....area_obj = models.Manager() # 自定义模型管理对象class Meta:db_table = 'AREA' # 设置表名为 AREA

使用自定义的模型管理类对象来进行查询如下:

In [1]: from assetinfo.models import AREA# 使用自定义的模型管理类对象查询
In [2]: AREA.area_obj.all()
Out[2]: <QuerySet [<AREA: AREA object (1)>, <AREA: AREA object (2)>, <AREA: AREA object (3)>]>In [3]: 

上面已经修改了模型管理类的对象了,那么可不可以再来自定义模型管理类呢?将某些固定的查询写到模型管理类中,避免重复编写。

自定义管理器类主要用于两种情况:

1.修改原始查询集,重写all()方法
2.向管理器类中添加额外的方法,如向数据库中插入数据。

1.修改原始查询集,重写all()方法。

a)打开assetinfo/models.py文件,创建自定义模型管理类MiddlewareInfoManager

## 自定义中间件的模型管理类
class MiddlewareInfoManager(models.Manager):def all(self):# 默认查询所有的中间件信息,包含已删除的数据# 调用父类的成员语法为:super().方法名return super().all().filter(is_delete=False) # 设置只返回未删除的数据

b)在模型类MiddlewareInfo中定义管理器

class MiddlewareInfo(models.Model):....# 定义数据管理类middlewares_obj = MiddlewareInfoManager()

测试使用自定义的管理类的all()方法,如下:

In [1]: from assetinfo.models import MiddlewareInfoIn [2]: MiddlewareInfo.middlewares_obj.all()
Out[2]: <QuerySet [<MiddlewareInfo: MiddlewareInfo object (2)>, <MiddlewareInfo: MiddlewareInfo object (3)>, <MiddlewareInfo: MiddlewareInfo object (4)>, <MiddlewareInfo: Middlewar
eInfo object (5)>, <MiddlewareInfo: MiddlewareInfo object (6)>]>

对应执行的SQL如下:

mysql> SELECT `assetinfo_middlewareinfo`.`id`, `assetinfo_middlewareinfo`.`name`, `assetinfo_middlewareinfo`.`port`, `assetinfo_middlewareinfo`.`server_id`, `assetinfo_middlewareinfo`.`shelves_date`, `assetinfo_middlewareinfo`.`update_time`, `assetinfo_middlewareinfo`.`is_delete` FROM `assetinfo_middlewareinfo` WHERE `assetinfo_middlewareinfo`.`is_delete` = 0  LIMIT 21;
+----+-----------+------+-----------+----------------------------+----------------------------+-----------+
| id | name      | port | server_id | shelves_date               | update_time                | is_delete |
+----+-----------+------+-----------+----------------------------+----------------------------+-----------+
|  2 | mongodb   | 3388 |         2 | 2019-06-15 12:17:57.094171 | 2019-06-15 12:17:57.094171 |         0 |
|  3 | mysql     | 3306 |         1 | 2019-06-15 12:18:04.319148 | 2019-06-15 12:18:04.319148 |         0 |
|  4 | redis     | 6379 |         1 | 2019-06-15 12:18:43.873882 | 2019-06-15 12:18:43.873882 |         0 |
|  5 | kafka     | 9092 |         1 | 2019-06-15 12:18:54.232060 | 2019-06-15 12:18:54.232060 |         0 |
|  6 | zookeeper | 2181 |         1 | 2019-06-15 12:19:06.437532 | 2019-06-15 12:19:06.437532 |         0 |
+----+-----------+------+-----------+----------------------------+----------------------------+-----------+
5 rows in set (0.00 sec)mysql> 

可以看到,存在 WHERE assetinfo_middlewareinfo.is_delete = 0 条件了。

2.在管理器类中定义创建对象的方法

对模型类对应的数据表进行操作时,推荐将这些操作数据表的方法封装起来,放到模型管理器类中。

a)打开assetinfo/models.py文件,定义方法create。

## 自定义中间件的模型管理类
class MiddlewareInfoManager(models.Manager):def create_middleware(self,name,port,server):m = self.model() # #创建模型类对象self.model可以获得模型类m.name = namem.port = portm.server = serverm.save()return m

b) 测试使用create方法

In [1]: from assetinfo.models import ServerInfo, MiddlewareInfo# 查询中间件需要的服务器
In [2]: s = ServerInfo.objects.get(server_hostname='预发布服务器')In [3]: s.server_hostname
Out[3]: '预发布服务器'# 创建中间件信息
In [9]: m = MiddlewareInfo.middlewares_obj.create_middleware('test_create',1122,s)In [10]: m.name
Out[10]: 'test_create'

元选项

先来看看django默认创建模型类的表名,如下:

mysql> show tables;
+------------------------------------------+
| Tables_in_assetinfo                      |
+------------------------------------------+
| AREA                                     |
| assetinfo_middlewareinfo                 |
| assetinfo_scriptinfo                     |
| assetinfo_serverinfo                     |
| assetinfo_serverinfo_server_used_type_id |
| assetinfo_serverusedtype                 |
| auth_group                               |
| auth_group_permissions                   |
| auth_permission                          |
| auth_user                                |
| auth_user_groups                         |
| auth_user_user_permissions               |
| django_admin_log                         |
| django_content_type                      |
| django_migrations                        |
| django_session                           |
+------------------------------------------+
16 rows in set (0.00 sec)mysql> 

可以看到表名基本上都是 assetinfo_serverusedtype 的格式 = 应用名_数据类名。
那么如果需要固定指定一个表名呢?
此时就可以使用元选项来设置了。

# 全国区域信息
class AREA(models.Model):# 使用 db_column='ID' 设置字段名ID = models.AutoField(primary_key=True,db_column='ID',auto_created=True, serialize=False, verbose_name='ID')# 定义元选项class Meta:db_table = 'AREA' # 设置表名为 AREA

通过上面的两个方法,就可以设置表名和字段名了。

13423234-0e3934319aa622f6.png

这篇关于Django 2.1.7 模型管理器 models.Manager 以及 元选项的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1092094

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者