2026 年 7 月，Django Software Foundation 将月度成员荣誉授予 Katherine “Kati” Michel。她从 2016 年开始参与 DjangoCon US 网站建设，随后长期担任大会网站主席、联合主席和 DEFNA 董事。如今，她在 JPMorganChase 的基础设施平台与数据库部门担任软件工程师，参与构建本地部署的缓存服务。
Kati 的经历展示了 Django 的两种生命力：一方面，它能支撑数据库密集型业务和内部控制平面；另一方面，社区成员可以从一次文档或网站贡献开始，逐步进入会议组织、开源治理和大型基础设施工程。
Django 不只适合内容网站
Django 诞生于新闻编辑部，但 Kati 当前参与的项目远超传统内容管理场景。她所在的团队从零构建本地缓存服务，由 React 提供操作界面，Django 作为控制平面，根据内部客户需求编排分布式系统的部署任务；底层还涉及 Ansible、Red Hat Enterprise Linux 和分布式拓扑设计。
这种架构里，Django 不必亲自处理缓存数据流。它更适合负责控制平面的工作：
- 保存集群、节点和部署任务的期望状态；
- 验证用户输入并执行权限检查；
- 调度 Ansible 或后台任务；
- 通过管理后台支持运维人员检查和修正数据；
- 向 React 或其他客户端提供 API。
这也是 Django ORM、Admin 和内置安全机制仍然有竞争力的原因。团队无需重新拼装身份认证、数据库迁移、表单验证和后台管理等基础能力，可以把工程时间投入真正复杂的拓扑与编排逻辑。
一个简化的控制平面模型可以这样实践：
# control/models.py
from django.conf import settings
from django.db import models
class CacheCluster(models.Model):
class Status(models.TextChoices):
PENDING = "pending", "Pending"
PROVISIONING = "provisioning", "Provisioning"
READY = "ready", "Ready"
FAILED = "failed", "Failed"
name = models.CharField(max_length=100, unique=True)
node_count = models.PositiveSmallIntegerField(default=3)
status = models.CharField(
max_length=20,
choices=Status.choices,
default=Status.PENDING,
)
requested_by = models.ForeignKey(
settings.AUTH_USER_MODEL,
on_delete=models.PROTECT,
related_name="cache_clusters",
)
created_at = models.DateTimeField(auto_now_add=True)
def __str__(self):
return self.name
执行迁移后，这个模型可以立即接入 Django Admin，也可以继续封装成 API。真实系统还需要幂等任务、审计日志、密钥管理、失败重试以及部署状态回写，不能直接在 HTTP 请求中运行耗时的 Ansible playbook。
用 django-silk 找出不断变慢的查询
Kati 特别提到过一次典型的性能排查：随着数据库数据增长，页面查询越来越慢。她安装 django-silk 后发现了 N+1 查询，并通过逐步加入 select_related() 和 prefetch_related()，直观看到 SQL 查询数量下降。
两者解决的问题相似，但工作方式不同：
select_related()使用 SQL JOIN，适合外键和一对一关系；prefetch_related()执行额外查询，再由 Django 合并结果，适合多对多和反向外键关系。
下面是一组可以直接改造的安装与配置步骤：
python -m pip install django django-silk
python manage.py migrate
python manage.py runserver
# settings.py
INSTALLED_APPS = [
# ...
"silk",
]
MIDDLEWARE = [
"silk.middleware.SilkyMiddleware",
# ...
]
# urls.py
from django.contrib import admin
from django.urls import include, path
urlpatterns = [
path("admin/", admin.site.urls),
path("silk/", include("silk.urls", namespace="silk")),
]
假设页面需要展示集群、申请人以及每个集群的节点，容易产生 N+1 查询的写法是：
clusters = CacheCluster.objects.all()
for cluster in clusters:
print(cluster.requested_by.username)
print([node.hostname for node in cluster.nodes.all()])
可以将查询改为：
clusters = (
CacheCluster.objects
.select_related("requested_by")
.prefetch_related("nodes")
)
启动开发服务器后访问 /silk/，即可检查请求耗时和 SQL 数量。django-silk 会增加性能开销并记录请求信息，因此生产环境启用前必须评估访问控制、敏感数据和存储增长；更稳妥的做法通常是在本地、测试环境或受控的短期诊断窗口中使用。
稳定框架也需要更清晰的现代入口
Kati 希望 Django 保持成熟和稳定，同时通过有针对性的改进，服务那些原本会优先选择 FastAPI 或 JavaScript 框架的开发者。她关注的方向包括经典机器学习应用、LLM 聊天机器人、异步工作流、React/Angular/Vue 集成，以及 API 开发。
这里的关键未必是把所有功能塞进 Django 核心。Django 已支持不少现代模式，真正缺少的往往是容易发现、能够运行、明确说明边界的入门路径。例如：
- 用 django-ninja、Pydantic 类型和 OpenAPI 构建 API；
- 用 htmx 与模板局部更新实现轻量交互；
- 将 Django 作为 React 应用背后的认证、数据和编排服务；
- 把耗时的 AI 推理或基础设施任务交给任务队列；
- 展示异步视图适用和不适用的场景。
以 API 为例，可以这样实践一个带类型约束的集群查询接口。以下示例假设项目已经安装 django-ninja，并存在前面的 CacheCluster 模型：
python -m pip install django-ninja
# control/api.py
from datetime import datetime
from ninja import NinjaAPI, Schema
from .models import CacheCluster
api = NinjaAPI(title="Cache Control API")
class ClusterOut(Schema):
id: int
name: str
node_count: int
status: str
created_at: datetime
@api.get("/clusters", response=list[ClusterOut])
def list_clusters(request):
return CacheCluster.objects.order_by("name")
# project/urls.py
from django.contrib import admin
from django.urls import path
from control.api import api
urlpatterns = [
path("admin/", admin.site.urls),
path("api/", api.urls),
]
运行服务后，接口位于 /api/clusters，OpenAPI 文档由 django-ninja 提供。实际部署时还应增加身份认证、分页、授权策略和查询上限。
社区贡献也是一条工程成长路径
Kati 最初是在 GitHub 上偶然发现 DjangoCon US 网站代码。她于 2016 年加入网站工作，借此熟悉 Git、GitHub 和项目代码；2017 年成为网站主席并加入 DEFNA 董事会。2019 年，她在 DjangoCon US sprint 期间完成第一次 Django Core 贡献，为使用 django-docker-box 运行测试补充说明。
这条路径没有要求贡献者一开始就修改 ORM 或异步内核。网站维护、文档、测试说明、会议组织和社区治理都是真实贡献，也能让参与者逐渐理解项目协作方式。
她对公开演讲的建议同样务实：先在部门内部试讲，再尝试本地 meetup 和会议闪电演讲，寻找导师帮助打磨提案，并把 CfP 被拒绝视为正常过程。演讲能力和开源贡献能力一样，都可以通过小规模、可重复的练习获得。
团队可以带走的行动清单
Kati 的经历给 Django 团队提供了几项具体参考：
- 遇到页面随数据增长而变慢时，先测量 SQL 数量和耗时，再决定是否缓存；
- 根据关系类型正确选择
select_related()与prefetch_related()； - 将 Django 放在控制平面，让任务队列和自动化工具处理长时间运行的工作；
- 为 API、前端集成、AI 和异步场景维护可运行的示例，而不只是概念说明；
- 从文档、测试、会议网站或本地社区开始贡献，不必等待一个“足够重要”的核心补丁；
- 通过主动外展、导师机制和明确的参与路径，让更多人能够长期留在社区。
Django 的成熟不是停止变化，而是知道哪些基础能力必须保持稳定，哪些开发入口需要继续改善。Kati 横跨社区组织、开源贡献和企业基础设施的经历，恰好说明了这两件事可以同时发生。