Pagrindinimas dalija didelį rezultatų rinkinį į atskirus puslapius, todėl iš karto neužkraunami tūkstančiai įrašų. Tai būtina dėl našumo ir naudotinumo. Django pateikia Paginator klasę šablonams/peržiūroms, o DRF siūlo integruotą pagrindinimą API.
# ❌ loading everything — slow, memory-heavy, bad UX with thousands of rows
articles = Article.objects.()
from django.core.paginator import Paginator
def article_list(request):
articles = Article.objects.all().order_by("-created_at") # ORDER matters for consistent pages
paginator = Paginator(articles, 20) # 20 items per page
page_number = request.GET.get("page") # ?page=2
page_obj = paginator.get_page(page_number) # the requested page
return render(request, "list.html", {"page_obj": page_obj})
<!-- in the template -->
{% for article in page_obj %}
<h2>{{ article.title }}</h2>
{% endfor %}
{% if page_obj.has_previous %}<a href="?page={{ page_obj.previous_page_number }}">Prev</a>{% endif %}
Page {{ page_obj.number }} of {{ page_obj.paginator.num_pages }}
{% if page_obj.has_next %}<a href="?page={{ page_obj.next_page_number }}">Next</a>{% endif %}
Paginator padalija queryset į puslapius, o get_page() grąžina puslapio objektą su navigacijos pagalbininkais (has_next, next_page_number ir kt.) — atminkite, jis prideda LIMIT/OFFSET prie užklausos, todėl iš duomenų bazės nusiunčiamas tik vienas puslapis.
# global default in settings.py
REST_FRAMEWORK = {
"DEFAULT_PAGINATION_CLASS": "rest_framework.pagination.PageNumberPagination",
"PAGE_SIZE": 20,
}
# now list endpoints are automatically paginated, returning:
# { "count": 1000, "next": "...?page=3", "previous": "...?page=1", "results": [...] }
DRF automatiškai pagrindinami sąrašų galiniai taškai, kai sukonfigūruota, grąžinami puslapio metaduomenys (skaičius, tolesni/ankstesni nuorodos) kartu su rezultatais — klientai naršo naudodami pateiktas URL.
PageNumberPagination → ?page=2 (simple page numbers)
LimitOffsetPagination → ?limit=20&offset=40 (flexible offsets)
CursorPagination → opaque cursor; consistent & performant for large/changing data
(avoids OFFSET performance issues on huge datasets)
⚠️ OFFSET-based pagination (page/offset) gets SLOWER on deep pages of huge tables
(the DB must skip OFFSET rows). For very large datasets, CURSOR pagination
(keyset, using a WHERE on an indexed column) is far more efficient.
⚠️ Always ORDER BY a stable field, or pages can be inconsistent/repeat items.
Pagrindinimas yra būtinas norint sukurti produktyvias, naudingų programas, kurios tvarko realūs duomenų kiekius — be jo, sąrašo galiniai taškai ir puslapiai, kurie užkrauna visas lenteles (potencialiai tūkstančius ar milijonus eilučių), tampa lėti, daug atminties vartojantys ir nenaudojami, kurie taip pat apkrauna duomenų bazę ir pritraukia vartotojus ir klientus.
Supratimas pagrindinimo yra kasdienės praktinės žinios: Django Paginator tvarko tradicines peržiūras/šablonus (dalina queryset į puslapius su navigacijos pagalbininkais, efektyviai nusiunčiant tik vieną puslapį per LIMIT/OFFSET), o DRF integruotas pagrindinimas tvarko API (automatiškai pagrindinami sąrašų galiniai taškai su metaduomenimis ir navigacijos nuorodomis po konfigūracijos) — abu yra reikalingi atsižvelgiant į tai, ar statote serveryje renderuotus puslapius, ar API.
Žinoti, kaip diegti pagrindinimą abiejuose kontekstuose, yra būtina beveik bet kuriai duomenų sąrašo funkcijai.
Našumo niuansas yra ypač vertingas aukštesniojo lygio žinios: standartinis OFFSET pagrindinimas pablogėja giliuose labai didelių lentelių puslapiuose (duomenų bazė turi praleisti visas ankstesnes eilutes), todėl žymeklio (keyset) pagrindinimas yra efektyvus pasirinkimas didžiuliems arba greitai besikeičiantiems duomenų rinkiniams, ir visada rūšiavimas pagal stabilų lauką yra būtinas, kad būtų išvengta nenuoseklių arba pasikartojančių rezultatų puslapiais.
Supratimas tiek pagrindinių mechanikų (Paginator, DRF pagrindinimo klasės) ir šių našumo aplinkybių (OFFSET prieš žymeklio pagrindinimą, nuoseklus rūšiavimas) yra svarbus norint sukurti programas, kurios lieka greitos ir teisingos augant duomenims — pagrindinimas yra visur pasitaikantis reikalavimas, ir tai daryti gerai, ypač dideliu mastu, yra praktinis įgūdis, kuris tiesiogiai veikia programos našumą ir vartotojų patirtį.