我想问一下两者之间有什么区别
for row in session.Query(Model1):
pass
和
for row in session.Query(Model1).all():
pass
是第一个以某种方式用单个查询轰炸数据库的迭代器，而后一个“急切”迭代器以列表的形式查询整个对象（例如range（x）vs xrange（x））？
Answers:
不，数据库流量没有差异。区别在于，for row in session.Query(Model1)在将ORM分配给您时，它会在每行上工作，而for row in session.Query(Model1).all()在将ORM分配给您之前，ORM在所有行上都工作。
请注意，这q.all()只是用于的糖list(q)，即将生成器产生的所有内容收集到一个列表中。下面是源代码的话，在Query类（找到def all在链接源）：
def all(self):
"""Return the results represented by this ``Query`` as a list.
This results in an execution of the underlying query.
"""
return list(self)
...其中self，查询对象是可迭代的，即具有__iter__方法。
因此，从逻辑上讲，这两种方式在数据库流量方面完全相同；两者最终都会调用query.__iter__()以获取行迭代器，并逐步next()通过它。
实际的区别在于，前者可以在数据到达后立即开始为您提供行，从而将DB结果集“流化”给您，从而减少了内存使用和延迟。我不能肯定地说所有当前的引擎实现都能做到（我希望他们能做到！）。无论如何，后一个版本都没有充分理由阻止这种效率。
q.all()？
list(q)我猜比它更具可读性。但是行为和性能是相同的。与迭代相比，迭代q.all()至少可能比启动慢，启动起来也更耗费内存q。
all它将把整个结果集加载到内存中。这可能是千兆字节的数据。
实际上，接受的响应是不正确的（或者至少不再是正确的），特别是以下语句是错误的：
（1）区别仅在于session.Query（Model1）中的行要在将其提供给您时，ORM在每一行上工作，而session.Query（Model1）.all（）中的行则进行在开始将它们提供给您之前，ORM会在所有行上工作。
无论您选择使用2个选项中的哪一个，SQLAlchemy都会始终对所有行进行ORM映射。在这些行的源代码中可以看到这一点；该loading.instances方法的确会返回一个生成器，但返回一个已经映射的ORM实例之一。您可以在实际的生成器循环代码中确认这一点：
for row in rows: # ``rows`` here are already ORM mapped rows
yield row
因此，在生成器的第一次运行完成并生成实例之前，所有实例都已进行ORM映射。（以下示例（1））
（2）实际的区别在于，前者可以在数据到达后立即开始为您提供行，从而将DB结果集“流化”给您，从而减少了内存使用和延迟。
正如上面所解释的，这也是错误的，因为从数据库检索到的所有数据都将在完成任何屈服之前进行处理/映射。
这些评论也具有误导性。特别：
数据库命中可能是相同的，但请记住，所有操作都会将整个结果集加载到内存中。这可能是千兆字节的数据
无论是否使用，都会加载整个结果集.all()。在这条线上清晰可见。这也非常容易测试/验证。
我从陈述的2个选项中可以看到的唯一区别是，使用时，.all您将在结果中循环两次（如果您要处理所有实例/行），因为首先要调用生成器来迭代/耗尽生成器，list(self)以将其转换为一个列表。
由于SQLAlchemy代码不容易理解，因此我写了一个简短的代码段来举例说明所有这一切：
class Query:
def all(self):
return list(self)
def instances(self, rows_to_fetch=5):
"""ORM instance generator"""
mapped_rows = []
for i in range(rows_to_fetch):
# ORM mapping work here as in lines 81-88 from loading.instances
mapped_rows.append(i)
print("orm work finished for all rows")
for row in mapped_rows: # same as ``yield from mapped_rows``
print("yield row")
yield row
def __iter__(self):
return self.instances()
query = Query()
print("(1) Generator scenario:")
print("First item of generator: ", next(iter(query)))
print("\n(2) List scenario:")
print("First item of list: ", query.all()[0])
"""
RESULTS:
--------
(1) Generator scenario:
orm work finished for all rows
yield row
First item of generator: 0
(2) List scenario:
orm work finished for all rows
yield row
yield row
yield row
yield row
yield row
First item of list: 0
"""
为了在处理大型结果集时拥有更好的控制，例如，必须使用诸如yield_per之类的方法，但这仍然不是一个一例的场景，而是要按批次执行实例的ORM映射。
__iter__确实预取了所有结果（有充分的理由），但是如果您知道自己在做什么，则可以更改此行为。