修改日志

修改日期	修改内容
2024.04.10	归纳：Dialects 使用指南

使用的版本

使用命令"pip show sqlachemy"可以显示该库的相关信息，大致信息如下:

版本号Version：2.0.29
SQLAlchemy官方网站：www.sqlalchemy.org/
依赖Requires：greenlet, typing-extensions

其他信息无需赘述。

Terminal 复制代码

(.venv) PS D:\Applications\LearningCases\learn_sqlalchemy> pip show sqlalchemy
Name: SQLAlchemy
Version: 2.0.29
Summary: Database Abstraction Library
Home-page: https://www.sqlalchemy.org
Author: Mike Bayer
Author-email: mike_mp@zzzcomputing.com
License: MIT
Location: D:\Applications\LearningCases\learn_sqlalchemy\.venv\Lib\site-packages
Requires: greenlet, typing-extensions
Required-by:

Dialects 使用指南

Dialects 优缺点

SQLite

优点：

轻量级，易于使用和部署。
零配置，不需要服务器，直接访问本地文件。
开源免费，与大多数编程语言集成良好。
支持跨平台运行。
对于嵌入式设备和小型应用程序非常适用。

缺点：

不适合高并发、大规模的数据库操作。
不支持客户端/服务器架构，只能用于单用户或轻量级的多用户应用。
功能相对较少，不支持诸如存储过程、触发器等高级功能。
性能可能不如其他数据库管理系统。

PostgreSQL

优点：

开源免费，功能强大。
高度可扩展，支持复杂的数据类型和查询。
强大的事务支持和完善的并发控制。
提供了丰富的标准和扩展功能，如地理信息系统(GIS)支持、全文搜索等。
具有良好的安全性和稳定性。

缺点：

相对于 MySQL，一些基本任务可能需要更多的配置和管理。
在某些情况下，性能可能不如其他数据库。

MySQL

优点：

开源免费，社区版可免费使用。
高性能，支持大量并发连接。
良好的可扩展性和灵活性。
大型开源社区支持，有丰富的文档和资源。
广泛应用于 Web 应用程序和小型企业。

缺点：

对于复杂的事务支持不如其他商业数据库。
在某些情况下，可靠性和安全性可能受到一些质疑。
缺少一些高级功能，如全文搜索、在线备份等。

MSSQL (Microsoft SQL Server)

优点：

强大的管理工具和图形用户界面。
集成了广泛的 Microsoft 技术，如 .NET 框架和 Visual Studio。
提供了高度可靠性和安全性。
具有良好的事务支持和并发控制。
支持复杂的查询和存储过程。
支持大规模的企业级数据库。

缺点：

商业软件，需要购买许可证。
在非 Windows 平台上的支持较弱。
可扩展性有限，需要额外付费的解决方案。

Oracle

优点：

强大的性能和可扩展性。
提供了广泛的高级功能，如高级安全性、高级分析和数据挖掘等。
优秀的事务支持和并发控制。
支持大型企业级数据库。
提供了完整的管理工具和支持。

缺点：

商业软件，价格昂贵。
在小型项目或个人开发中可能过于复杂。
相对于其他数据库，学习曲线较陡峭。

实例与解析

在使用sqlalchemy库中的类与方法对数据库进行操作时，代码大致相同，只在创建数据库引擎时略有不同。

导入sqlalchemy库中的类与方法，供后续代码调用

Python 复制代码

from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String, select

创建数据库引擎

数据源名称（Data Source Name）是一种用于标识数据库连接信息的命名约定，通常在操作系统的数据源管理中定义和配置。

Python 复制代码

# 以下是不同 Dialect 创建数据库引擎中，数据库统一资源定位符的细微不同：
# （选用其中一个）
SQLALCHEMY_DATABASE_URL = 'sqlite:///example.db'
SQLALCHEMY_DATABASE_URL = 'postgresql://{DATABASE_USERNAME}:{DATABASE_PASSWORD}@{DATABASE_HOST}:{DATABASE_PORT}/{DATABASE_DB_NAME}'
SQLALCHEMY_DATABASE_URL = 'mysql://{DATABASE_USERNAME}:{DATABASE_PASSWORD}@{DATABASE_HOST}:{DATABASE_PORT}/{DATABASE_DB_NAME}'
SQLALCHEMY_DATABASE_URL = 'mssql+pyodbc://{DATABASE_USERNAME}:{DATABASE_PASSWORD}@{DATA_SOURCE_NAME}'
SQLALCHEMY_DATABASE_URL = 'oracle://{DATABASE_USERNAME}:{DATABASE_PASSWORD}@{DATABASE_HOST}:{DATABASE_PORT}/{SERVICE_NAME}'

# 创建数据库引擎
engine = create_engine(SQLALCHEMY_DATABASE_URL, pool, pool_size, echo, max_overflow, pool_timeout, pool_recycle, pool_pre_ping)

在实际应用中，为使代码易于修改和维护，使用全大写字母命名常量，将常量拼接成为统一资源定位符URL。在创建数据库引擎create_engine时，要结合实际业务设置各个数据库参数，其需要设置的参数大致如下：

数据库 URL（url） ：指定数据库的连接信息，包括数据库类型、用户名、密码、主机地址、端口号、数据库名称等。具体的 URL 格式取决于所使用的数据库引擎。
连接池（pool） ：指定一个连接池对象，用于管理数据库连接的复用和池化。连接池可以提高数据库连接的性能和效率，减少连接的开销。
连接池大小（pool_size） ：指定连接池中的连接数目。可以是一个整数，表示连接池中的固定连接数，也可以是一个包含最小连接数和最大连接数的元组。
最大连接数（max_overflow） ：指定连接池中允许的最大连接数。当连接池中的连接数已达到最大连接数时，如果有新的连接请求到来，会触发 "溢出"，即超过最大连接数的连接将被创建。
超时时间（pool_timeout） ：指定从连接池获取连接的超时时间，单位为秒。当连接池中没有可用连接时，会等待一定时间后超时返回。
自动提交（echo） ：设置是否在执行 SQL 语句时自动提交事务。如果为 True，则每次执行 SQL 语句后会自动提交事务；如果为 False，则需要手动调用 commit() 方法来提交事务。
连接编码（encoding） ：指定连接的字符编码，用于在连接到数据库时设置数据库会话的字符编码。
连接参数 ：除了上述常见参数外，create_engine 方法还接受一系列可选参数，用于配置和定制数据库连接的各种参数，如 SSL 连接、连接超时等。

创建元数据对象

Python 复制代码

# 创建元数据对象
metadata = MetaData()
# 定义表格：仅供演示作用，实际生产中利用ORM优化
users = Table('users', metadata,
              Column('id', Integer, primary_key=True),
              Column('name', String),
              Column('age', Integer))
# 创建表格
metadata.create_all(engine)

对数据库的CRUD操作

CRUD操作是由 IBM 的研究员 H. P. Luhn 在 1960 年代提出的，作为数据库系统设计的一部分。如今，CRUD操作也被广泛应用于软件开发中的其他领域，如 Web 开发等。无论是哪个领域，CRUD 操作都是构建数据驱动应用程序的基础，是实现对数据进行操作和管理的重要手段。

创建（Create） ：向数据存储中新增数据记录。
读取（Read） ：从数据存储中检索数据记录。
更新（Update） ：修改数据存储中的现有数据记录。
删除（Delete） ：从数据存储中移除数据记录。

Python 复制代码

# Create：插入数据
with engine.connect() as conn:
    conn.execute(users.insert(), [{'name': 'Alice', 'age': 30},
                                   {'name': 'Bob', 'age': 35},
                                   {'name': 'Charlie', 'age': 25}])

# Read：查询数据
with engine.connect() as conn:
    result = conn.execute(select([users]))
    for row in result:
        print(row)

# Update：更新数据
with engine.connect() as conn:
    conn.execute(users.update().where(users.c.name == 'Alice').values(age=31))

# Delete：删除数据
with engine.connect() as conn:
    conn.execute(users.delete().where(users.c.name == 'Charlie'))

Q&A

1. where() 和 filter()

在 SQLAlchemy 中，where 和 filter 都是用于指定查询条件的方法，但它们在用法上略有不同。

使用 where()：

where 方法通常用于直接构造 SQL 语句的情况，它可以接受 SQL 表达式作为参数，并将该表达式作为 WHERE 子句的一部分，直接影响到生成的 SQL 查询语句。
where 方法适用于需要直接指定复杂条件的情况，或者需要使用 SQL 函数、子查询等特殊功能的情况。

Python 复制代码

from sqlalchemy import text

# 使用 where 方法构造查询
query = session.query(User).where(text("age > 25"))

使用 filter()：

filter 方法通常用于构造查询过滤条件的情况，它可以接受 SQLAlchemy 表达式作为参数，并将该表达式作为查询的过滤条件，影响到生成的 SQL 查询语句的 WHERE 子句部分。
filter 方法适用于大多数情况下的查询过滤操作，它支持链式调用，可以方便地构建复杂的查询条件。

Python 复制代码

# 使用 filter 方法构造查询
query = session.query(User).filter(User.age > 25)

总的来说，通常情况下优先使用 filter 方法，因为它更加灵活、方便，并且支持链式调用，可以轻松构建复杂的查询条件。而 where 方法更适合于需要直接指定 SQL 表达式的情况，或者需要使用 SQL 函数、子查询等特殊功能的情况。

Python Database —— SQLAlchemy Dialects 使用指南

修改日志

使用的版本

Dialects 使用指南

Dialects 优缺点

SQLite

PostgreSQL

MySQL

MSSQL (Microsoft SQL Server)

Oracle

实例与解析

Q&A

1. where() 和 filter()