flask之flask_sqlalchemy

一. 介绍

SQLAlchemy是一个基于Python实现的ORM框架。该框架建立在 DB API之上，使用关系对象映射进行数据库操作，简言之便是：将类和对象转换成SQL，然后使用数据API执行SQL并获取执行结果。

1	pip3 install sqlalchemy

组成部分：

• Engine，框架的引擎
• Connection Pooling ，数据库连接池
• Dialect，选择连接数据库的DB API种类
• Schema/Types，架构和类型
• SQL Exprression Language，SQL表达式语言

SQLAlchemy本身无法操作数据库，其必须以来pymsql等第三方插件，Dialect用于和数据API进行交流，根据配置文件的不同调用不同的数据库API，从而实现对数据库的操作，如：

MySQL-Python
    mysql+mysqldb://<user>:<password>@<host>[:<port>]/<dbname>

pymysql
    mysql+pymysql://<username>:<password>@<host>/<dbname>[?<options>]

MySQL-Connector
    mysql+mysqlconnector://<user>:<password>@<host>[:<port>]/<dbname>

cx_Oracle
    oracle+cx_oracle://user:pass@host:port/dbname[?key=value&key=value...]

更多：http://docs.sqlalchemy.org/en/latest/dialects/index.html

二. 使用

1. 执行原生SQL语句

import time
import threading
import sqlalchemy
from sqlalchemy import create_engine
from sqlalchemy.engine.base import Engine

engine = create_engine(
    "mysql+pymysql://root:123@127.0.0.1:3306/t1?charset=utf8",
    max_overflow=0,  # 超过连接池大小外最多创建的连接
    pool_size=5,  # 连接池大小
    pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
    pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
)

def task(arg):
    conn = engine.raw_connection()
    cursor = conn.cursor()
    cursor.execute(
        "select * from t1"
    )
    result = cursor.fetchall()
    cursor.close()
    conn.close()

for i in range(20):
    t = threading.Thread(target=task, args=(i,))
    t.start()

注意: 查看连接 show status like 'Threads%';

2. ORM

a. 创建数据库表

 创建单表

 创建多个表并包含Fk、M2M关系

指定关联列：hobby = relationship("Hobby", backref='pers',foreign_keys="Person.hobby_id")

b. 操作数据库

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from sqlalchemy.orm import sessionmaker
from sqlalchemy import create_engine
from models import Users

engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/s6", max_overflow=0, pool_size=5)
Session = sessionmaker(bind=engine)

# 每次执行数据库操作时，都需要创建一个session
session = Session()

# ############# 执行ORM操作 #############
obj1 = Users(name="alex1")
session.add(obj1)

# 提交事务
session.commit()
# 关闭session
session.close()

 多线程执行示例

 基本增删改查示例

 常用操作

 原生SQL语句

 基于relationship操作ForeignKey

 基于relationship操作m2m

 其他

基于scoped_session实现线程安全

普通模式下使用sqlalchemy对数据库进行操作

import threading
from sqlalchemy.orm import sessionmaker
from sqlalchemy import create_engine
from models import Users

# 与数据库进行连接，并创建连接池
engine = create_engine(
    "mysql+pymysql://root@127.0.0.1:3306/flask?charset=utf8",
    max_overflow=0,  # 超过连接池大小外最多创建的连接
    pool_size=10,  # 连接池大小,一次性最多建立的连接数
    pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
    pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
)
# 生成会话类
Session = sessionmaker(bind=engine)

def task(arg):
    # 每次执行数据库操作时都要创建一个会话
    session = Session()
    session.query(Users).all()
    session.close()

for i in range(20):
    t = threading.Thread(target=task, args=(i,))
    t.start()

对于上述方式，每个线程里执行数据库的操作都要创建一个新的session会话，以保证当前线程操作的只是自己的会话对象，防止其他会话对象对当前线程中数据库操作的影响。但是这样不足之处在于需要为每个线程都要手动的创建session会话，那有没有其他比较好的方法为我们自动创建会话而且还能保证线程之间数据的安全？答案肯定是有的。

基于scoped_session实现操作数据库的线程安全

import threading
from sqlalchemy.orm import sessionmaker,scoped_session
from sqlalchemy import create_engine
from models import Users

# 与数据库进行连接，并创建连接池
engine = create_engine(
    "mysql+pymysql://root@127.0.0.1:3306/flask?charset=utf8",
    max_overflow=0,  # 超过连接池大小外最多创建的连接
    pool_size=10,  # 连接池大小,一次性最多建立的连接数
    pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
    pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
)
# 生成会话类
Session = sessionmaker(bind=engine)
# 使用scoped_session创建一个单例的session，不需要为每次操作数据库创建会话
session = scoped_session(Session)

def task(arg):
    session.query(Users).all()
    session.close()

for i in range(20):
    t = threading.Thread(target=task, args=(i,))
    t.start()

使用scoped_session创建一个全局的会话对象，该对象使用threading.local会为每一个线程开辟一个内存空间，并实例化一个原来Session类对象，将该对象保存到所创建的线程中去，从而保证了线程之间的数据安全。源码：

session = scoped_session(Session)

class scoped_session(object):

    def __init__(self, session_factory, scopefunc=None):

        # session_factory == Session = sessionmaker(bind=engine)，即创建的会话Session类
        self.session_factory = session_factory

        if scopefunc:
            self.registry = ScopedRegistry(session_factory, scopefunc)
        else:
            # self.createfunc = createfunc
            # self.registry = threading.local(),每创建一个 scoped_session 类实例则创建一个线程
            # 创建的 ThreadLocalRegistry 类实例拥有以上两个属性
            self.registry = ThreadLocalRegistry(session_factory)

class ThreadLocalRegistry(ScopedRegistry):
    """A :class:`.ScopedRegistry` that uses a ``threading.local()``
    variable for storage.

    """

    def __init__(self, createfunc):
        # createfunc == Session类
        self.createfunc = createfunc
        self.registry = threading.local()

flask_sqlalchemy

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
# SQLAlchemy 类实例对象的创建一定要在引用蓝图之前,因为db会在各个蓝图中调用进行数据库操作
db = SQLAlchemy()
from sansa.views.account import account
from flask_script import Manager
from flask_migrate import Migrate,MigrateCommand

def create_app():
    """
    创建app
    :return:
    """
    app = Flask(__name__)
    app.config.from_object("settings.Development")
    # 初始化db，读取app中关于数据库连接的配置信息，一定要放在导入配置之后
    db.init_app(app)
    app.register_blueprint(account)
    # 创建项目管理器
    manager = Manager(app)
    # 创建数据库迁移管理实例
    migrate = Migrate(app,db)
    # 为管理器添加一个db的命令
    manager.add_command("db",MigrateCommand)
    return manager

from sansa import db

# 在数据库创建表一张表
class Users(db.Model):
    __tablename__ = 'users'

    id = db.Column(db.Integer, primary_key=True)
    # name = db.Column(db.String(32), index=True, nullable=False)

# 在数据库创建表一张表
class School(db.Model):
    __tablename__ = 'school'

    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(32), index=True, nullable=False)

点我下载项目目录结构