SQLAlchemy 的使用

心动啊1212026-01-23 23:49

前边所讲述的使用PyMySQL进行数据库连接的时候，对数据库进行操作是直接使用SQL语言，而SQLAlchemy 将数据库对象化，实现用 Python 对象和代码来操作数据库，而不是直接编写复杂的 SQL 语句。

一、SQLAlchemy的基础信息

1、介绍及主要组件

SQLAlchemy 本质是 Python 中一个功能强大的 SQL 工具包和对象关系映射器。它使用 pymysql 这类驱动作为底层通信工具，自身是更高级、更完整的抽象层。按照功能清晰分为两部分组件：SQLAlchemy Core (SQL 核心层)和SQLAlchemy ORM (对象关系映射器)

  • SQLAlchemy Core：这是数据库抽象的基础层，独立于ORM存在，核心是SQL表达式语言。允许使用Python对象构造SQL语句，之后执行并获取结果。
  • SQLAlchemy ORM：这是最常被使用的部分，构建在Core之上，将数据库中的表映射为Python的类，将表中的行映射为类的实例。其主要优点为：可以用面向对象的方式操作数据（自动处理很多底层的SQL操作），极大提升了代码的可读性和可维护性。

在使用的过程中，如何选择：Core 还是 ORM？

  • 选择 SQLAlchemy Core：如果你的应用需要高度定制化、复杂的 SQL 查询，或者你更习惯使用类似 SQL 的声明式风格，并希望完全掌控 SQL 生成。
  • 选择 SQLAlchemy ORM：对于大多数应用，尤其是业务逻辑复杂、数据模型以对象为中心的 Web 应用，使用 ORM 可以显著提升开发效率、减少重复代码，并使代码更易于理解和维护。

2、主要特性与优势

  1. 统一的数据库接口：支持包括 SQLite、PostgreSQL、MySQL、Oracle、MS-SQL Server 在内的多种主流数据库，更换数据库时通常只需修改连接字符串及其配置信息。

  2. 强大的关系处理：能优雅地定义和操作表之间的一对多、多对一等复杂关系。

  3. 连接池管理：内置高效的数据库连接池，提升应用性能。

  4. 事务安全：明确的事务机制确保数据一致性，所有操作在提交 (commit()) 前不会真正持久化。

  5. 防范SQL注入：强制使用参数绑定，避免 SQL 注入攻击。

  6. 异步支持：通过 asyncio 扩展支持异步数据库操作，适用于现代高性能 Web 应用。

二、SQLAlchemy的使用

1、创建配置文件config.py和数据库引擎

config文件中有配置数据库连接池的配置信息

python 复制代码 
# config文件
import os
class Config:
    # 从环境变量获取，避免硬编码
    DB_HOST = os.getenv('DB_HOST', 'localhost')
    DB_PORT = os.getenv('DB_PORT', '5432')
    DB_NAME = os.getenv('DB_NAME', 'mydb')
    DB_USER = os.getenv('DB_USER')
    DB_PASSWORD = os.getenv('DB_PASSWORD')
    
    # 生产环境推荐使用连接池
    DATABASE_URL = f'postgresql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}'
    
    # 连接池配置
    POOL_SIZE = 20
    MAX_OVERFLOW = 30
    POOL_RECYCLE = 3600  # 1小时回收连接
    POOL_PRE_PING = True  # 连接前ping测试

# 创建数据库引擎，可以另写一个文件
from sqlalchemy import create_engine
def create_db_engine():
    return create_engine(
        Config.DATABASE_URL,
        pool_size=Config.POOL_SIZE,
        max_overflow=Config.MAX_OVERFLOW,
        pool_recycle=Config.POOL_RECYCLE,
        pool_pre_ping=Config.POOL_PRE_PING,
        echo=False  # 生产环境设为False，开发时可设为True查看SQL
    )

2、模型定义与关系映射

（1）创建模型基类base.py，该文件中包含有所数据库表的共同信息。

python 复制代码 
from sqlalchemy.orm import DeclarativeBase, declared_attr
from sqlalchemy import Column, Integer, DateTime
from datetime import datetime

class Base(DeclarativeBase):
    """所有模型的基类"""
    @declared_attr.directive
    def __tablename__(cls):
        # 自动将类名转换为小写复数作为表名
        return cls.__name__.lower() + 's'
    
    # 每个表都有的通用字段
    id = Column(Integer, primary_key=True, autoincrement=True)
    created_at = Column(DateTime, default=datetime.utcnow, nullable=False)
    updated_at = Column(DateTime, default=datetime.utcnow, 
                       onupdate=datetime.utcnow, nullable=False)

（2）定义业务模型user.py，继承Base类，并添加自身独特的列名

python 复制代码 
from sqlalchemy import String, Text, Boolean, ForeignKey
from sqlalchemy.orm import Mapped, mapped_column, relationship
from .base import Base

class User(Base):
    __tablename__ = 'users'  # 显式指定表名
    
    # 列定义
    username: Mapped[str] = mapped_column(String(50), unique=True, nullable=False)
    email: Mapped[str] = mapped_column(String(100), unique=True, nullable=False)
    hashed_password: Mapped[str] = mapped_column(String(200), nullable=False)
    is_active: Mapped[bool] = mapped_column(Boolean, default=True)
    
    # 关系定义（一对多）
    posts: Mapped[list['Post']] = relationship(
        'Post', back_populates='author', cascade='all, delete-orphan'
    )

class Post(Base):
    __tablename__ = 'posts'
    
    title: Mapped[str] = mapped_column(String(200), nullable=False)
    content: Mapped[str] = mapped_column(Text, nullable=False)
    author_id: Mapped[int] = mapped_column(ForeignKey('users.id'))
    
    # 反向关系
    author: Mapped['User'] = relationship('User', back_populates='posts')

3、创建会话工厂session.py

创建会话工厂（Session Factory）是SQLAlchemy生产环境中的核心模式，主要为了高效、安全地管理数据库会话的生命周期。

作用维度 具体机制与优势
资源复用 工厂模式避免每次操作都重新配置会话，复用配置（如绑定引擎、事务设置），减少开销
统一控制 集中设置事务隔离级别、自动刷新、过期策略等，确保所有会话行为一致
生命周期管理 工厂产生的每个会话独立，避免线程间状态污染，便于连接池管理
依赖注入友好 可轻松集成到FastAPI、Flask等框架的依赖注入系统
python 复制代码 
from sqlalchemy.orm import sessionmaker
from config import create_db_engine

# 创建引擎
engine = create_db_engine()

# 创建会话工厂
SessionLocal = sessionmaker(
    bind=engine,
    autocommit=False,
    autoflush=False,
    expire_on_commit=True  # 生产环境推荐True
)

# 依赖注入使用的会话获取器
def get_db():
    """FastAPI等框架中使用的依赖项"""
    db = SessionLocal()
    try:
        yield db
        db.commit()
    except Exception:
        db.rollback()
        raise
    finally:
        db.close()

4、业务操作示例

python 复制代码 
from sqlalchemy.orm import Session, selectinload
from sqlalchemy import select
from models.user import User, Post

class UserService:
    @staticmethod
    def create_user(db: Session, username: str, email: str, password: str):
        """创建用户"""
        user = User(
            username=username,
            email=email,
            hashed_password=hash_password(password)
        )
        db.add(user)
        db.commit()
        db.refresh(user)  # 获取数据库生成的ID
        return user
    
    @staticmethod
    def get_user_with_posts(db: Session, user_id: int):
        """获取用户及其所有文章（避免N+1查询）"""
        stmt = select(User).where(User.id == user_id).options(
            selectinload(User.posts)  # 使用selectinload预加载
        )
        result = db.execute(stmt)
        return result.scalar_one_or_none()
    
    @staticmethod
    def bulk_create_posts(db: Session, user_id: int, posts_data: list):
        """批量创建文章（高性能）"""
        posts = [
            Post(title=data['title'], content=data['content'], author_id=user_id)
            for data in posts_data
        ]
        db.add_all(posts)
        db.commit()

5、其他操作

（1）数据库迁移管理

初始化Alembic------> 配置Alembic环境------>生成并应用迁移

bash 复制代码 
# 初始化Alembic
alembic init alembic

配置环境env.py

python 复制代码 
# alembic/env.py 中修改
import sys
import os
sys.path.append(os.path.dirname(os.path.dirname(__file__)))

from models.base import Base
from config import create_db_engine

# 使用生产环境的引擎
engine = create_db_engine()

# 设置目标元数据
target_metadata = Base.metadata

生成并迁移

bash 复制代码 
# 生成迁移脚本
alembic revision --autogenerate -m "create user and post tables"

# 应用迁移到数据库
alembic upgrade head

# 查看当前版本
alembic current

# 回滚到上一个版本
alembic downgrade -1
（2）docker容器化
bash 复制代码 
# Dockerfile
FROM python:3.11-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

# 启动时运行数据库迁移
CMD ["sh", "-c", "alembic upgrade head && python app/main.py"]
相关推荐
曾经的三心草3 小时前
redis-2-数据结构内部编码-单线程-String命令
数据结构·数据库·redis
二哈喇子！3 小时前
基于SSM框架的公交车查询系统的设计与实现
java·数据库·ssm
Coder_Boy_4 小时前
基于SpringAI的在线考试系统-智能考试系统-学习分析模块
java·开发语言·数据库·spring boot·ddd·tdd
阿杰 AJie4 小时前
MySQL 聚合函数总表（完整版）
数据库·mysql
玄同7654 小时前
Python「焚诀」：吞噬所有语法糖的终极修炼手册
开发语言·数据库·人工智能·python·postgresql·自然语言处理·nlp
cdut_suye4 小时前
解锁函数的魔力：Python 中的多值传递、灵活参数与无名之美
java·数据库·c++·人工智能·python·机器学习·热榜
尽兴-4 小时前
MySQL 8.0高可用集群架构实战深度解析
数据库·mysql·架构·集群·高可用·innodb cluster
遇见火星4 小时前
MySQL常用命令大全(2026最新版)
数据库·mysql·oracle
霖霖总总4 小时前
[小技巧42]InnoDB 索引与 MVCC 的协同工作原理
运维·数据库·mysql
热门推荐
01GitHub 镜像站点02OpenCode 入门教程：介绍 · 安装 · 配置第三方 API (如 Claude)03Claude Code Skills 实用使用手册04UV安装并设置国内源05在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）06BongoCat - 跨平台键盘猫动画工具07安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）08AI 规范驱动开发“三剑客”深度对比：Spec-Kit、Kiro 与 OpenSpec 实战指南09Linux下V2Ray安装配置指南10Open Code教程（四）| 高级配置与集成