函数计算 Python 连接 SQL Server 小结

python 连接数据库通常要安装第三方模块，连接 MS SQL Server 需要安装 pymssql 。由于 pymsql 依赖于 FreeTDS，对于先于 2.1.3 版本的 pymssql，需要先安装 FreeTDS。由于早期版本的 pymssql 只提供了 windows 下的 wheel 打包，其他平台（如 linux）需要从源码包编译安装，那需要先安装 freetds-dev 包，以提供必要的头文件。

函数计算的 runtime 运行时的目录是只读的，所以对于需要使用 apt-get 和 pip 安装依赖的场景，需要将依赖安装在代码目录而不是系统目录。具体安装方法可以参考《函数计算安装依赖库方法小结》。而 pymssql 的老版本涉及到编译安装，比常见的二级制安装到本地目录略复杂一些。

函数计算依赖安装需要有个模拟的 linux 环境，从前我们推荐使用 fcli shell 的 sbox ，启动一个接近生产环境的 docker container 进行依赖安装。因为有些依赖是平台相关的，在 mac 系统安装的动态链接库无法在函数计算的 linux 环境下运行， pymssql 恰好属于这种情况。本文我将使用 fc-docker进行安装和本地测试。

下面的例子是基于函数计算 runtime python3.6 的，对于 python2.7 也进行了测试，同样适用。

准备测试环境

首先使用 docker 在本机 Mac 电脑下运行一个 SQL Server 2017 服务，并初始化表结构，编辑一个 index.py 的测试文件，以验证数据库访问是否成功。

$ docker pull mcr.microsoft.com/mssql/server:2017-latest

$ docker run -e 'ACCEPT_EULA=Y' -e 'SA_PASSWORD=Codelife.me' \

   -p 1433:1433 --name sql1 \

   -d mcr.microsoft.com/mssql/server:2017-latest

将 SQL Server 启动于 1433 端口，并设定 SA 账户密码为 Codelife.me

$ brew tap microsoft/mssql-release https://github.com/Microsoft/homebrew-mssql-release

$ brew update

$ ACCEPT_EULA=y brew install --no-sandbox msodbcsql mssql-tools

使用 homebrew 安装 mssql 客户端 sqlcmd。

$ sqlcmd -S localhost -U SA -P 'Codelife.me'

1>CREATE DATABASE TestDB

2>SELECT Name from sys.Databases

3>GO

Name

-----------------------------------------------

master

tempdb

model

msdb

TestDB

(5 rows affected)

创建测试数据库 TestDB。

1> USE TestDB

2> CREATE TABLE Inventory (id INT, name NVARCHAR(50), quantity INT)

3> INSERT INTO Inventory VALUES (1, 'banana', 150); INSERT INTO Inventory VALUES (2, 'orange', 154);

4> GO

Changed database context to 'TestDB'.

(1 rows affected)

(1 rows affected)

创建一张 Inventory 表，并参入一行测试数据。

1> SELECT * FROM Inventory WHERE quantity > 152;

2> GO

id          name                                               quantity

----------- -------------------------------------------------- -----------

          2 orange                                                     154

(1 rows affected)

1> QUIT

验证一下插入结果并退出。

准备一个测试函数

import pymssql

def handler(event, context):

    conn = pymssql.connect(

        host=r'docker.for.mac.host.internal',

        user=r'SA',

        password=r'Codelife.me',

        database='TestDB'

    )

    cursor = conn.cursor()

    cursor.execute('SELECT * FROM inventory WHERE quantity > 152')

    result = ''

    for row in cursor:

        result += 'row = %r\n' % (row,)

    conn.close()

    return result

编写一个测试函数 index.py。该函数连接 mac 宿主机docker.for.mac.host.internal （这里不能是 localhost，因为 fc-docker 会将函数运行在 container 内部）的 SQL Server 服务。执行一个查询，并把结果返回出来。

早期版本的 pymssql

对于早于 2.1.3 版本的 pymssql， pip install 会触发源码编译安装，对于这种情况，需要安装编译时依赖的 freetds-dev，以及运行时依赖的 libsybdb5。编译时依赖可以直接安装在系统目录里，运行时依赖必须安装在本地目录下。

docker run --rm --name mssql-builder -t -d -v $(pwd):/code --entrypoint /bin/sh aliyunfc/runtime-python3.6

docker exec -t mssql-builder apt-get install -y -d -o=dir::cache=/code libsybdb5

docker exec -t mssql-builder bash -c 'for f in $(ls /code/archives/*.deb); do dpkg -x $f $(pwd) ; done;'

docker exec -t mssql-builder bash -c "rm -rf /code/archives/; mkdir /code/lib;cd /code/lib; ln -sf ../usr/lib/x86_64-linux-gnu/libsybdb.so.5 ."

docker exec -t mssql-builder apt-get install -y freetds-dev

docker exec -t mssql-builder pip install cython

docker exec -t mssql-builder pip install -t /code pymssql==2.1.3

docker stop mssql-builder

第一行启动一个 container，第十行停止并自动删除该 container。
第二行至第三行将运行时依赖 libsybdb5 安装于本地目录。
将动态链接库 libsybdb.so.5 链接到目录 /code/lib 目录下，因为该目录默认配置到了环境变量 LD_LIBRARY_PATH 下。
将 freetds-dev 和 cython 安装到系统目录，用于 pymssql 编译安装，因为运行时 pymssql 不需要这两个库，所以无需安装在本地目录
安装 2.1.3 版本的 pymssql，从 2.1.4 版本开始已经不需要源码安装了。

$ docker run --rm -v $(pwd):/code aliyunfc/runtime-python3.6 --handler index.handler

row = (2, 'orange', 154)

RequestId: d66496e9-4056-492b-98d9-5bf51e448174          Billed Duration: 144 ms         Memory Size: 19

测试通过。

小结

这是一份来迟的函数计算使用 sql server 数据库的配置文档。当前版本的 pymssql 已经不再需要源码安装了。但是 pip 源码包安装的方法，对于其他类似的场景也是适用的。

本文也提供了一种基于 fc-docker 的配置和调试方法，不同 fcli 的 sbox，fc-docker 可以写成脚本反复执行，并且也可以用于本地模拟执行，对于 CI 场景非常有帮助。

原文链接
本文为云栖社区原创内容，未经允许不得转载。