prefetch된 관계에서의 count()는 무료, filter()는 행당 쿼리 비용 발생.

(dev.to)

Dev.to WebDev2026년 9월 10일개발자 도구

prefetch된 관계에서의 count()는 무료, filter()는 행당 쿼리 비용 발생.

Django의 prefetch_related를 사용할 때 .filter()나 .first() 같은 메서드는 캐시를 사용하지 않고 추가 쿼리를 발생시켜 성능을 저해할 수 있으므로, Prefetch 객체와 to_attr를 활용한 정밀한 최적화 전략이 필수적입니다.

이 글의 핵심 포인트

1prefetch_related 사용 시 .filter(), .first(), .order_by() 등 쿼리 조건을 변경하는 메서드는 캐시를 사용하지 않고 새로운 DB 쿼리를 발생시킴
2.count()와 .exists()는 prefetch된 캐시를 활용하므로 추가 쿼리 비용이 발생하지 않는 '무료' 작업임
3성능 최적화를 위해 Prefetch 객체와 to_attr를 사용하여 필터링된 결과를 별도 속성으로 저장하는 것이 효과적임
4정렬이나 단순 데이터 추출이 필요한 경우, DB에 다시 요청하는 대신 Python 메모리 내의 리스트를 조작하는 것이 유리함
5필터링이 불가능한 동적 쿼리 상황에서는 차라리 prefetch_related를 제거하는 것이 쿼리 수와 메모리 측면에서 더 이득임

이 글에 대한 공공지능 분석

왜 중요한가?

잘못된 prefetch_related 사용은 오히려 쿼리 수를 늘리고 메모리 사용량만 높이는 '가짜 최적화'를 초래하여 서비스 응답 속도를 저하시키고 인프라 비용을 증가시킵니다.

어떤 배경과 맥락이 있나?

Django 프레임워크의 ORM(Object-Relational Mapping)은 개발 편의성을 제공하지만, 캐시 메커니즘의 동작 원리를 정확히 이해하지 못하면 N+1 문제를 해결하려다 더 심각한 성능 병목을 만드는 실수를 범할 수 있습니다.

업계에 어떤 영향을 주나?

백엔드 개발자들에게 코드 리뷰 단계에서 단순한 'eager loading' 적용 여부를 넘어, 호출되는 메서드의 특성까지 고려하여 쿼리 발생 여부를 예측하는 정밀한 최적화 역량을 요구합니다.

한국 시장에 어떤 시사점이 있나?

트래픽이 급증하는 한국의 IT 스타트업 환경에서, 무분별한 ORM 사용으로 인한 DB 부하는 서비스 장애와 직결되므로 초기 설계 단계부터 쿼리 효율성을 검증하는 엔지니어링 문화가 중요합니다.

이 글에 대한 큐레이터 의견

개발자들은 흔히 prefetch_related를 적용하면 모든 관련 데이터가 메모리에 로드되어 추가 쿼리가 완전히 사라질 것이라고 믿는 경향이 있습니다. 하지만 이번 사례처럼 .filter()나 .first() 같은 메서드가 쿼리를 재발생시킨다는 사실은, '가시적인 최적화'가 실제로는 '비용이 더 큰 비효율'로 이어질 수 있음을 시사합니다. 이는 코드의 가독성과 성능 사이의 트레이드오프를 보여주는 전형적인 사례입니다.

물론 모든 쿼리를 Prefetch 객체로 미리 필터링하여 가져오는 것이 항상 정답은 아닙니다. 필터 조건이 동적이라면 오히려 불필요한 데이터를 메모리에 올리는 과도한 메모리 점유(Overfetching) 문제가 발생할 수 있습니다. 따라서 창업자와 리드 개발자는 무조건적인 캐싱보다는, 데이터의 사용 패턴을 분석하여 DB 쿼리, ORM 캐시, Python 메모리 연산 중 어디에서 처리하는 것이 가장 비용 효율적인지 판단하는 전략적 접근을 취해야 합니다.

원문 보기 →