AI 助理
备案控制台
开发者社区 数据库 文章 正文

【译】SQLAlchemy文档：SQLAlchemy 统一教程

2024-06-15 64
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 【译】SQLAlchemy文档：SQLAlchemy 统一教程

SQLAlchemy 是 Python SQL工具包和ORM，它为应用程序开发人员提供了 SQL 的全部功能和灵活性。它提供了一整套企业级持久性模式，专为高效和高性能的数据库访问而设计。

SQLAlchemy呈现为两层API：Core和ORM， ORM构建在Core的基础上。

  • Core是基础，提供了 数据库连接、查询、构造SQL语句等工具。
  • ORM基于Core构建，提供对象关系映射（object relational mapping）。

建立连接–Engine

SQLAlchemy程序的开始都要创建Engine对象，用于连接数据库。

下面我们使用内存中的SQLite数据库，创建一个Engine对象。

from sqlalchemy import create_engine
engine = create_engine("sqlite+pysqlite:///:memory:", echo=True)


create_engine的参数是字符串，包含了数据库的连接信息。echo=True表示打印日志。

"sqlite+pysqlite:///:memory:"包含3个信息：

  • sqlite： SQLite数据库
  • pysqlite： DBAPI
  • memory：内存数据库

使用事务和DBAPI

获取连接

Engine对象的唯一目的是提供与数据库的连接(Connection)。

from sqlalchemy import text

with engine.connect() as conn:
    result = conn.execute(text("select 'hello world'"))
    print(result.all())

在上面的示例中，上下文管理器提供了数据库连接，并在事务中构建了操作。

Python DBAPI 的默认行为包括事务始终在进行中;当释放连接范围时，将发出 ROLLBACK 以结束事务。事务不会自动提交;当我们想要提交数据时，我们通常需要调用 Connection.commit()。

commit

  1. commit as you go.
with engine.connect() as conn:
    conn.execute(text("CREATE TABLE some_table (x int, y int)"))
    conn.execute(
        text("INSERT INTO some_table (x, y) VALUES (:x, :y)"),
        [{"x": 1, "y": 1}, {"x": 2, "y": 4}],
    )
    conn.commit()

begin once:

另一种提交数据的方式，预先声明“连接”块是一个事务块。使用 Engine.begin() 方法来获取连接。

  1. 此方法既可以管理事务的范围 Connection ，又可以将所有内容包含在事务中，并在最后使用 COMMIT（假设区块成功）或 ROLLBACK，以防出现异常。这种样式称为 begin once：
with engine.begin() as conn:
    conn.execute(
        text("INSERT INTO some_table (x, y) VALUES (:x, :y)"),
        [{"x": 6, "y": 8}, {"x": 9, "y": 10}],
    )

begin once的风格通常是首选，因为它更简洁，并且预先表明了整个块的意图。但是，在本教程中，我们通常会使用“commit as you go”样式，因为它在演示方面更加灵活。

执行语句 基础

获取行

with engine.connect() as conn:
    result = conn.execute(text("SELECT x, y FROM some_table"))
    for row in result:
        print(f"x: {row.x}  y: {row.y}")

发送参数

with engine.connect() as conn:
    result = conn.execute(text("SELECT x, y FROM some_table WHERE y > :y"), {"y": 2})
    for row in result:
        print(f"x: {row.x}  y: {row.y}")

发送多个参数

(列表， 多次调用(executemany))

with engine.connect() as conn:
    conn.execute(
        text("INSERT INTO some_table (x, y) VALUES (:x, :y)"),
        [{"x": 11, "y": 12}, {"x": 13, "y": 14}],
    )
    conn.commit()

使用ORM Session

使用 ORM 时，基本的事务/数据库交互对象称为Session .在现代 SQLAlchemy 中，此对象的使用方式与 Connection 非常相似，实际上，当使用Session时 ，它内部使用Connection对象。

from sqlalchemy.orm import Session

stmt = text("SELECT x, y FROM some_table WHERE y > :y ORDER BY x, y")
with Session(engine) as session:
    result = session.execute(stmt, {"y": 6})
    for row in result:
        print(f"x: {row.x}  y: {row.y}")

类似Connection， Session也有“commit as you go”的方式，使用Session.commit()提交数据。

with Session(engine) as session:
    result = session.execute(
        text("UPDATE some_table SET y=:y WHERE x=:x"),
        [{"x": 9, "y": 11}, {"x": 13, "y": 15}],
    )
    session.commit()

类似Connection， Session也有“commit as you go”的方式，使用Session.commit()提交数据。

with Session(engine) as session:
    result = session.execute(
        text("UPDATE some_table SET y=:y WHERE x=:x"),
        [{"x": 9, "y": 11}, {"x": 13, "y": 15}],
    )
    session.commit()

使用数据库元数据

随着Engine 和 SQL 语句的结束，我们准备开始一些炼金术。SQLAlchemy Core 和 ORM 的核心元素是 SQL 表达式语言，它允许流畅、可组合的 SQL 查询构造。这些查询的基础是表示表和列等数据库概念的 Python 对象。这些对象统称为数据库元数据。


SQLAlchemy 中数据库元数据最常见的基础对象称为 MetaData 、 Table 和 Column。

Table

当我们使用关系数据库时，我们从中查询的数据库中的基本数据保存结构称为表。在 SQLAlchemy 中，数据库“表”最终由一个类似名称 Table 的 Python 对象表示。

我们总是从一个集合开始，该集合将作为我们放置表的位置， 即MetaData对象。此对象本质上是围绕 Python 字典的外观，该字典存储一系列键入其字符串名称的 Table 对象。

from sqlalchemy import MetaData
metadata_obj = MetaData()

然后我们创建Table对象。

该模型具有一个名为的 user_account 表，用于存储网站的用户，以及一个关联表 address ，用于存储 user_account 与表中的行关联的电子邮件地址。

当完全不使用 ORM 声明性模型时，我们直接构造每个 Table 对象，通常将每个对象分配给一个变量：

from sqlalchemy import Table, Column, Integer, String
user_table = Table(
    "user_account",
    metadata_obj,
    Column("id", Integer, primary_key=True),
    Column("name", String(30)),
    Column("fullname", String),
)

当我们想引用数据库中 user_account 表时，我们将使用 user_table变量来引用它。

Table的组成：

我们发现，Table对象类似SQL CREATE TABLE语句的结构。它包含表的名称，列的名称和类型。

  • Table：表
  • Column：列，可通过table.c.列名 访问
user_table.c.name

user_table.c.keys()

简单约束


user_table表的第一个 Column 包含参数Column.primary_key，用于指示这应该 Column 是此表的主键。。主键通常是隐式声明的，由 PrimaryKeyConstraint构造，我们可以在 Table 对象上的 Table.primary_key 属性上看到它

最典型的显式声明的约束是对应于数据库外键约束的 ForeignKeyConstraint 对象。当我们声明彼此相关的表时，SQLAlchemy 使用这些外键约束声明的存在，不仅使它们在 CREATE 语句中发出到数据库，而且还有助于构造 SQL 表达式。

仅涉及单个列的外键约束 通常通过 ForeignKey进行声明。

下面我们声明第二个表address，该表 将具有引用该 user 表的外键约束：

from sqlalchemy import ForeignKey
address_table = Table(
    "address",
    metadata_obj,
    Column("id", Integer, primary_key=True),
    Column("user_id", ForeignKey("user_account.id"), nullable=False),
    Column("email_address", String, nullable=False),
)

向数据库发出 DDL

我们已经有了包含2个表的元数据对象，现在我们可以使用MetaData.create_all()方法将这些表发送到数据库。

metadata_obj.create_all(engine)

MetaData 对象还具有一个 MetaData.drop_all() 方法，该方法将以与CREATE相反的顺序发出 DROP 语句。

使用 ORM 声明性表单定义表元数据

使用 ORM 时， MetaData 集合仍然存在，但它本身与通常称为声明性基的仅 ORM 结构相关联。获取新的声明性库的最便捷方法是创建一个新类，该类对 SQLAlchemy DeclarativeBase 类进行子类化

from sqlalchemy.orm import DeclarativeBase
class Base(DeclarativeBase):
    pass

上面的 Base 类就是我们所说的声明性基础。当我们创建作为 的 Base 子类的新类时，结合适当的类级指令，它们将在类创建时被建立为一个新的 ORM 映射类，每个类通常（但不限于）引用一个特定的 Table 对象。

声明映射类

建立 Base 类后，我们现在可以根据新类 User 和 Address 来定义 user_account 和 表 address 的 ORM 映射类。我们在下面说明最现代的声明形式，它由PEP 484类型注释驱动，使用特殊类型，该类型 Mapped 指示要映射为特定类型的属性：

from typing import List
from typing import Optional
from sqlalchemy.orm import Mapped
from sqlalchemy.orm import mapped_column
from sqlalchemy.orm import relationship

class User(Base):
    __tablename__ = "user_account"
    id: Mapped[int] = mapped_column(primary_key=True)
    name: Mapped[str] = mapped_column(String(30))
    fullname: Mapped[Optional[str]]
    addresses: Mapped[List["Address"]] = relationship(back_populates="user")
    def __repr__(self) -> str:
        return f"User(id={self.id!r}, name={self.name!r}, fullname={self.fullname!r})"

class Address(Base):
    __tablename__ = "address"
    id: Mapped[int] = mapped_column(primary_key=True)
    email_address: Mapped[str]
    user_id = mapped_column(ForeignKey("user_account.id"))
    user: Mapped[User] = relationship(back_populates="addresses")
    def __repr__(self) -> str:
        return f"Address(id={self.id!r}, email_address={self.email_address!r})"

从 ORM 映射向数据库发出 DDL

Base.metadata.create_all(engine)

Table Reflection

表反射是指通过读取数据库的当前状态来生成 Table 对象 和相关对象的过程。 (即上面操作的逆过程)

some_table = Table("some_table", metadata_obj, autoload_with=engine)

some_table

处理数据(CRUD) (Core的角度)

  • INSERT
  • SELECT
  • UPDATE and DELETE

通过ORM处理数据

插入行

类的实例表示行：

squidward = User(name="squidward", fullname="Squidward Tentacles")
krabs = User(name="ehkrabs", fullname="Eugene H. Krabs")

向Session添加对象：

session = Session(engine)

session.add(squidward)
session.add(krabs)

此时，对象仍然在“挂起”状态，即它们尚未被发送到数据库。

Flushing

flush会向数据库发送SQL语句推送更改：

session.flush()

通常不需要手动调用session.flush()，因为 Session 更改具有自动刷新的行为。

自动生成的主键

squidward.id
krabs.id

从主键获取对象

some_squidward = session.get

提交

session.commit()

Update

sandy = session.execute(select(User).filter_by(name="sandy")).scalar_one()

sandy.fullname = "Sandy Squirrel"

当Session 发送flush时，将发出一个 UPDATE，用于更新数据库中的此值。

如前所述，在我们发出任何 SELECT 之前，会自动刷新。我们可以直接从此行查询列， 并返回更新后的值：

sandy_fullname = session.execute(select(User.fullname).where(User.id == 2)).scalar_one()
print(sandy_fullname)

Delete

patrick = session.get(User, 3)
session.delete(patrick)

Bulk / Multi Row INSERT, upsert, UPDATE and DELETE

https://docs.sqlalchemy.org/en/20/orm/queryguide/dml.html#orm-expression-update-delete

Rolling Back (回滚)

session.rollback() 会撤消所有未提交的更改。

关闭session

session.close()

ORM Related Objects

我们先回顾一下之前的relationship()：

from sqlalchemy.orm import Mapped
from sqlalchemy.orm import relationship


class User(Base):
    __tablename__ = "user_account"

    # ... mapped_column() mappings

    addresses: Mapped[List["Address"]] = relationship(back_populates="user")


class Address(Base):
    __tablename__ = "address"

    # ... mapped_column() mappings

    user: Mapped["User"] = relationship(back_populates="addresses")

上面， User类有User.addresses属性 ，而 Address类有Address.user属性。 relationship() 与 Mapped一起用于检查映射到 Address和User 对象之间的表关系。由于表示表的 Table 对象具有 ForeignKeyConstraint 指称 user_account 表的对象， relationship()可以明确地确定从 User 类到 Address 类之间存在着一对多的关系; user_account 表中的一行可以包含address表中的多行（一个用户可以有多个邮箱地址）。


一对多关系自然对应于另一个方向上的多对一关系，在本例中为 Address.user 。上面在引用另一个名称的两个 relationship() 对象上配置的 relationship.back_populates 参数确定这两个 relationship() 构造中的每一个都应被视为相互互补;我们将在下一节中看到这是如何发挥作用的。

持久化和加载关系

果我们创建一个新 User 对象，我们可以注意到，当我们访问该 .addresses 元素时，有一个 Python 列表：

u1 = User(name="pkrabs", fullname="Pearl Krabs")
u1.addresses  # []

使用list.append() 方法，我们可以添加一个 Address 对象：

a1 = Address(email_address="pearl.krabs@gmail.com")
u1.addresses.append(a1)

再看u1.addresses，发现已经添加成功了：

u1.addresses 
# [Address(id=None, email_address='pearl.krabs@gmail.com')]

此外，u1也被a1关联了：

a1.user 
# User(id=None, name='pkrabs', fullname='Pearl Krabs')

这种同步是由于我们在两个 relationship() 对象之间使用了参数 relationship.back_populates 。此参数命名另一个应发生互补属性赋值/列表突变的参数 relationship() 。它在另一个方向上同样有效，即如果我们创建另一个 Address 对象并赋值给其 Address.user 属性，它 Address 将成为该 User 对象User.addresses 集合的一部分：

a2 = Address(email_address="pearl@aol.com", user=u1)
u1.addresses
# [Address(id=None, email_address='pearl.krabs@gmail.com'), Address(id=None, email_address='pearl@aol.com')]

Cascading Objects

当我们用Session.add() 添加User 对象时，相关 Address 对象也会被添加到该 Session 对象中：

session.add(u1)
u1 in session
a1 in session
a2 in session
# 3 True

上述行为，即 Session 接收到一个 User 对象，并沿着 User.addresses 关系找到相关 Address 对象，称为保存-更新级联(save-update cascade)。


这三个对象现在处于挂起状态;这意味着他们已准备好成为 INSERT 操作的对象，但尚未进行;这三个对象都尚未分配主键，此外， a1 和 a2 对象具有user_id属性，该属性引用的Column具有

ForeignKeyConstraint （关于user_account.id） 的属性;这些也是 None， 因为对象尚未与实际数据库行关联：

print(u1.id)
print(a1.user_id) 
# None None

当使用 Session 时，所有这些乏味的事情都会为我们处理：我们使用 Session.commit() 提交时，所有步骤都以正确的顺序调用，此外，新生成的 user_account 行主键被适当地应用于 address.user_id 列：

session.commit()

Loading Relationships

延迟加载…

在查询中使用关系

JOIN

print(select(Address.email_address).select_from(User).join(User.addresses))
print(select(Address.email_address).join_from(User, Address))

WHERE

https://docs.sqlalchemy.org/en/20/orm/queryguide/index.html

加载策略？


文章标签：
Python
数据库
SQL
Go
存储
一只大鸽子
目录
相关文章
学编程的小程
|
6月前
|
SQL 关系型数据库 数据库连接
框架分析（10）-SQLAlchemy
框架分析（10）-SQLAlchemy
学编程的小程
93 0
ChatYU.
|
存储 关系型数据库 数据库
Django创建应用、ORM的进阶使用及模型类数据库迁移1
Django创建应用、ORM的进阶使用及模型类数据库迁移1
ChatYU.
119 0
ChatYU.
|
存储 数据可视化 数据库
Django创建应用、ORM的进阶使用及模型类数据库迁移3
Django创建应用、ORM的进阶使用及模型类数据库迁移3
ChatYU.
85 0
ChatYU.
|
关系型数据库 MySQL 数据库
Django创建应用、ORM的进阶使用及模型类数据库迁移2
Django创建应用、ORM的进阶使用及模型类数据库迁移2
ChatYU.
86 0
1288912195458132
|
3月前
|
SQL Shell API
python Django教程 之 模型(数据库)、自定义Field、数据表更改、QuerySet API
python Django教程 之 模型(数据库)、自定义Field、数据表更改、QuerySet API
1288912195458132
35 0
李麒麟
|
5月前
|
SQL 关系型数据库 MySQL
SQLAlchemy使用指南
**SQLAlchemy 指南**：Python SQL 工具包，提供数据库高级抽象。安装：`pip install sqlalchemy`，加上数据库驱动（如 MySQL: `pip install mysql-connector-python`）。基础使用包括：创建数据库连接、定义模型、创建表、添加/查询/更新/删除数据。高级功能涉及关系映射、原生 SQL 语句及 SQLAlchemy Core。推荐阅读官方文档以深入了解。
李麒麟
143 1
洲的学习日记
|
数据库 Python
Flask学习与项目实战5：通过SQLAlchemy连接数据库进行ORM模型的简单增删改查
是对于数据库的ORM的框架，直接操作模型，安装命令为pip install SQLAlchemy。 SQLAlchemy是一个独立的ORMR框架，可以独立于FLASK存在，也可以在Django中使用。 Flask-SQLAlchemy是对SQLAlchemy的一个封装，更适合在flask使用。
洲的学习日记
315 0
Flask学习与项目实战5：通过SQLAlchemy连接数据库进行ORM模型的简单增删改查
码农技术君
|
SQL
peewee模块基本使用-ORM
peewee模块基本使用-ORM
码农技术君
143 0
peewee模块基本使用-ORM
一心狮
|
关系型数据库 MySQL 数据库
python的ORM技术：使用sqlalchemy操作mysql数据库
#!/usr/bin/env python # -*- coding: utf-8 -*- from sqlalchemy import Column, String, create_engine, Integer, Date, Float, ForeignKey from sqlalchemy.
一心狮
1167 0
码农技术君
|
API Python
Python编程：orm之sqlalchemy模块
Python编程：orm之sqlalchemy模块
码农技术君
168 0