Что хотят услышать интервьюеры:

Основные причины падения производительности в Django ORM — это лишние запросы к базе, загрузка слишком большого объёма данных и неэффективные фильтры. Часто проблемы возникают из-за N+1-запросов, неправильного использования select_related/prefetch_related, а также из-за вычислений в Python вместо SQL. Важно понимать, как ORM строит запросы и где он может незаметно создавать лишнюю нагрузку.

Определение:

Django ORM может снижать производительность, если приложение заставляет базу данных делать больше работы, чем нужно, или многократно обращается к ней. Это обычно связано не с самим ORM, а с тем, как его используют: частые обращения к связанным объектам, выборка лишних полей, отсутствие индексов, агрегации и сортировки на больших таблицах, а также многократные проходы по QuerySet, которые приводят к дополнительным запросам или тяжёлым операциям.

Пример использования:

Типичный пример — вывод списка заказов и имени клиента для каждого заказа. Если для каждого заказа отдельно обращаться к связанному клиенту, возникает N+1 проблема.

# Плохо: может привести к N+1 запросам
orders = Order.objects.all()
for order in orders:
    print(order.id, order.customer.name)

# Лучше: подгрузить связь заранее
orders = Order.objects.select_related('customer').all()
for order in orders:
    print(order.id, order.customer.name)

Ещё один частый случай — когда из базы выбирают целые объекты, хотя нужны только несколько полей.

# Лучше ограничить выборку полей
users = User.objects.values('id', 'email')

Пояснение кода:

В первом варианте order.customer.name может для каждого заказа инициировать отдельный SQL-запрос, если связь не была заранее загружена. Это и создаёт N+1: один запрос за списком заказов и ещё по одному на каждый доступ к customer.

Во втором варианте select_related('customer') делает SQL JOIN и загружает заказ и связанного клиента сразу одним запросом. Это особенно эффективно для связей ForeignKey и OneToOne.

Во втором примере values('id', 'email') возвращает не полноценные объекты модели, а только нужные поля. Так уменьшается объём данных, передаваемых из базы, и снижается нагрузка на создание Python-объектов.

Ключевые моменты:

N+1-запросы — одна из самых частых причин деградации производительности в ORM.
select_related помогает для ForeignKey и OneToOne, а prefetch_related — для ManyToMany и обратных связей.
Лишняя выборка полей и больших наборов объектов увеличивает нагрузку на БД и память.
Фильтрация, сортировка и агрегации на больших таблицах без индексов могут резко замедлять запросы.
Вычисления лучше переносить в SQL, если это уменьшает объём данных и число запросов.
Повторная итерация по QuerySet и вызовы внутри циклов часто скрывают дополнительные запросы.

Какие сценарии или ситуации могут привести к снижению производительности при работе с Django ORM?