SQLAlchemy 在 Flask 应用中的使用和最佳实践

YuZou 邹宇2023-11-19 22:42

### SQLAlchemy 在 Flask 应用中的使用和最佳实践

  • [@[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践)](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [模型的编写](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**SQLAlchemy 中建立关联**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**利用 SQLAlchemy 中的关联进行查询**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**实现示例**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [backref与back_populates？](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**backref反向引用**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**back_populates后填充**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [****层面的关系****](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**数据库层面的关系**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [**SQLAlchemy ORM 层面的关系**](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)
  • [模型的导入](#SQLAlchemy 在 Flask 应用中的使用和最佳实践 @[TOC](SQLAlchemy 在 Flask 应用中的使用和最佳实践) 模型的编写 SQLAlchemy 中建立关联 利用 SQLAlchemy 中的关联进行查询 实现示例 backref与back_populates？ backref反向引用 back_populates后填充 层面的关系 数据库层面的关系 SQLAlchemy ORM 层面的关系 模型的导入)

在构建 Python web 应用时，处理数据库是一个不可避免的任务。SQLAlchemy 作为一个强大的 SQL 工具包和对象关系映射（ORM）系统，为 Python 应用提供了高效处理数据库的能力。特别是在 Flask 这类框架中，SQLAlchemy 提供了一个直观的方式来定义数据模型和执行数据库操作。

模型的编写

在 SQLAlchemy 中，一个数据模型通常是通过定义一个类来创建的，这个类继承自 db.Model。模型类代表数据库表，类中的属性代表表中的列。例如：

jsx 复制代码 
from flask_sqlalchemy import SQLAlchemy

db = SQLAlchemy()

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True, nullable=False)
    email = db.Column(db.String(120), unique=True, nullable=False)

在这个例子中，User 类代表一个用户表，其中包含 ID、用户名和电子邮件地址。

SQLAlchemy 中建立关联

SQLAlchemy 允许在模型间建立一对多、多对一或多对多的关系。例如，一个店铺拥有多个设备的一对多关系可以这样定义：

jsx 复制代码 
class Store(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    devices = db.relationship('Device', backref='store')

class Device(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    store_id = db.Column(db.Integer, db.ForeignKey('store.id'))

利用 SQLAlchemy 中的关联进行查询

有了关联后，您可以轻松地在相关的模型之间进行数据查询。例如，要找到某个特定店铺的所有设备，您可以使用以下代码：

python 复制代码 
store = Store.query.get(some_store_id)
devices = store.devices

实现示例

假设您的模型之间的关系如下所述：

python 复制代码 
class GameRecord(db.Model):
    # ...
    device_id = db.Column(db.Integer, db.ForeignKey('device.id'))
    device = db.relationship('Device', backref='game_records')

class Device(db.Model):
    # ...
    store_id = db.Column(db.Integer, db.ForeignKey('store.id'))
    store = db.relationship('Store', backref='devices')

class Store(db.Model):
    # ...
    address = db.Column(db.String(200))

您可以这样获取游戏位置：

python 复制代码 
game_record = GameRecord.query.get(some_id)
game_location = game_record.device.store.address

backref与back_populates？

在 SQLAlchemy 中，backref 和 back_populates 都是用来定义模型间双向关系的选项，但它们在使用上略有不同。理解这两个选项的区别有助于更好地组织和维护数据库模型的关系。

backref反向引用

  • backref 是一种在定义关系时快捷创建反向引用的方式。
  • 当您在一个模型（如 GameRecord ）中定义了一个关系（比如到 User ），并使用了 backref ，SQLAlchemy 会自动在另一个模型（User）中创建一个反向关系。
  • 这意味着您无需在两个模型中都定义关系，SQLAlchemy 会为您处理这部分。

例如，在 GameRecord 模型中定义 user 关系时使用 backref：

python 复制代码 
class GameRecord(db.Model):
    # ...
    user = db.relationship('User', backref='game_records')

这将自动在 User 模型中创建一个 game_records 属性，可以通过它访问与该用户相关联的所有 GameRecord 实例。

back_populates后填充

  • back_populates 用于在两个模型间明确地创建双向关系。
  • 与 backref 不同，使用 back_populates 需要在关联的两个模型中都明确地声明关系。
  • 这提供了更多的灵活性和清晰度，尤其是在复杂的关系中。

例如，设备（Device ）和店铺（Store ）的关系可以使用 back_populates 定义：

在 Device 模型中：

python 复制代码 
class Device(db.Model):
    # ...
    store = db.relationship('Store', back_populates='devices')

在 Store 模型中：

python 复制代码 
class Store(db.Model):
    # ...
    devices = db.relationship('Device', back_populates='store')

这样，Device 的每个实例都有一个 store 属性指向它所属的 Store ，同时每个 Store 实例都有一个 devices 属性指向所有属于该店铺的 Device 实例。

总而言之：

  • 使用 backref 更为简便，但可能在某些情况下不够明确。
  • 使用 back_populates 提供了更明确的关系定义，特别是在复杂的模型关系中。
  • 选择使用哪一个取决于具体的应用场景和个人编码风格。在大多数情况下，backref 足以满足需求，并且可以减少代码量。

层面的关系

在 SQLAlchemy 中使用 db.relationship 建立的一对多关系（如您示例中的 devices = db.relationship('Device', backref='store', lazy=True)）在数据库层面是不直接体现的。这个关系存在于 SQLAlchemy ORM（对象关系映射）层面，用于在应用程序中方便地处理和查询数据库记录，但它不会直接映射为数据库表中的某个字段或结构。

数据库层面的关系

  • 在数据库层面，一对多关系通常是通过外键实现的。例如，在 Device 表中，会有一个字段（如 store_id ），作为外键指向 Store 表的主键。
  • 这种关系确保了数据的完整性和关联性，但它本身并不提供直接的查询机制。

SQLAlchemy ORM 层面的关系

  • db.relationship 是 SQLAlchemy 提供的高级抽象，允许您在两个模型类之间建立关联关系。
  • 这使得您可以用类似于操作普通 Python 对象的方式来处理数据库记录。例如，通过 store.devices 访问一个特定店铺的所有设备，或者通过 device.store 访问某个设备所属的店铺。
  • backref 参数在反向关系中添加了一个类似的便利属性，这样就可以从 Device 实例轻松访问其关联的 Store 实例。

总而言之：

  • 数据库层面的一对多关系是通过外键字段实现的。
  • SQLAlchemy ORM 层面的 db.relationship 为这种关系提供了一个更为直观和方便的操作接口，但它只存在于代码层面，不直接映射到数据库结构中。
  • 这种设计使得应用程序的后端开发更加简洁和直观，同时保持了数据库的完整性和效率。

模型的导入

如果模型创建的顺序不对，可能会报错，例如如下：

jsx 复制代码 
sqlalchemy.exc.NoReferencedTableError: Foreign key associated with column 'device.store_id' could not find table 'store' with which to generate a foreign key to target column 'id'

问题出现在创建数据库表时，SQLAlchemy 无法找到 device 表中 store_id 字段引用的 store 表。错误信息 sqlalchemy.exc.NoReferencedTableError 表明在尝试创建外键关系时，SQLAlchemy 无法找到被引用的表或列。

如果你确保你的表名都没有问题，你可能需要考虑你的模型定义的顺序又或者你是否正确导入了模型

例如，假设您的 Flask 应用的入口点是 run.py，您应该检查其中的导入语句和应用初始化代码。一个典型的 Flask 应用结构可能如下：

jsx 复制代码 
# run.py

from flask import Flask
from flask_sqlalchemy import SQLAlchemy

app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = '您的数据库连接'
db = SQLAlchemy(app)

# 确保在 db.create_all() 调用之前导入所有模型
from models.store import Store
from models.device import Device
# ... 其他模型的导入 ...

@app.route('/')
def index():
    return "Welcome to the app!"

if __name__ == '__main__':
    db.create_all()  # 在应用上下文中创建所有数据库表
    app.run(debug=True)

在这个示例中，Store 模型在 Device 模型之前导入，因为 Device 依赖于 Store （store_id 字段是外键，指向 Store 表的主键）。如果 Store 和 Device 在不同的文件中定义，这种导入顺序尤为重要。

| ✍️ 作者：ZouYu
| 🤳 微信号：19973318795

相关推荐
waicsdn_haha5 分钟前
Java/JDK下载、安装及环境配置超详细教程【Windows10、macOS和Linux图文详解】
java·运维·服务器·开发语言·windows·后端·jdk
Q_192849990615 分钟前
基于Spring Boot的摄影器材租赁回收系统
java·spring boot·后端
良许Linux19 分钟前
0.96寸OLED显示屏详解
linux·服务器·后端·互联网
求知若饥31 分钟前
NestJS 项目实战-权限管理系统开发（六）
后端·node.js·nestjs
qq_5290252934 分钟前
Torch.gather
python·深度学习·机器学习
数据小爬虫@34 分钟前
如何高效利用Python爬虫按关键字搜索苏宁商品
开发语言·爬虫·python
Cachel wood1 小时前
python round四舍五入和decimal库精确四舍五入
java·linux·前端·数据库·vue.js·python·前端框架
終不似少年遊*1 小时前
pyecharts
python·信息可视化·数据分析·学习笔记·pyecharts·使用技巧
gb42152871 小时前
springboot中Jackson库和jsonpath库的区别和联系。
java·spring boot·后端
程序猿进阶1 小时前
深入解析 Spring WebFlux：原理与应用
java·开发语言·后端·spring·面试·架构·springboot
热门推荐
01〔AI 绘画〕Stable Diffusion 之 解决绘制多人或面部很小的人物时面部崩坏问题 篇02ARM学习（31）编译器对overlay方式的支持03玄机平台应急响应—webshell查杀04DisplayPort AltMode On Type-c协议_Ver2.0(学习笔记)05校验 GPT-4 真实性的三个经典问题：快速区分 GPT-3.5 与 GPT-4，并提供免费测试网站06Docker 夺命连环 15 问076个主流的工业3D管道设计软件08基于大语言模型（LLM）的合成数据生成、策展和评估的综述09(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明10红米手机使用google play