Flask 03

Flask 框架03

蓝图的使用(blueprint )

作用：

平时我们在开发一个项目的时候，本就是耗费时间和精力，如果我们将所有的Flask请求方法都写在一个同一个文件下，会非常不便于我们对于代码的管理和后期功能代码的添加，这样会使得我们对代码的维护性变得困难。
	这时候我们就可以使用蓝图来解决这个问题，蓝图对于视图方法模块化、大项目协同开发过程中的一个很好的工具.

蓝图的使用步骤：

-第一步：导入蓝图
from flask import Blueprint
-第二步：实例化得到蓝图对象
us=Blueprint('user',__name__)
-第三步：在app中注册蓝图
app.register_blueprint(us)
-第四步：在不同的views.py中使用蓝图注册路由
@us.router('/login')
-补充：蓝图可以有自己的静态文件和模板
-补充：注册蓝图时，可以使用前缀，必须以/ 开头

# 使用蓝图，划分大型项目目录  多个app，像django一样
big_blueprint  								# 项目名
   -src									# 核心文件
       -admin								# admin的app
       	-static							# 静态文件
       		-1.jpg						# 图片
       	-templates						# 模板文件目录
       		-admin_home.html			# 模板文件
       	-__init__.py					# 包
       	-models.py						# 表模型
       	-views.py						# 视图函数
       -home								# home app
       -order								# orderapp
       -__init__.py						# 包
       -settings.py						# 配置文件
   -manage.py								# 启动文件

g对象

g对象是什么？
-它是global的缩写，在python中是以个关键字，不能以关键字最为变量名
-g对象，在整个请求的全局都可以放值，可以取值
-它是一个全局变量，可以在任意的位置导入使用即可

- 它为什么不学django使用request做为上下文管理呢？
	-因为使用request，可能会造成request的数据污染，会不小心改了request的属性，但是自己不知道
    -建议使用g是因为它是空的。放入之后在当次请求中是全局优先
    
    
 # 之后想在当次的请求中，放入一些数据，在后面使用，就可以使用g对象。

g对象和session的区别？
    -g对象只针对当次请求
    -session 针对与多次请求

from flask import Flask, g, request

app = Flask(__name__)
app.debug = True


@app.before_request
def before():
    if 'home' in request.path:
        g.xx = 'xx'


def add(a, b):
    # print('---',g.name)
    print('---', request.name)
    return a + b


@app.route('/')
def index():
    print(g.xx)
    name = request.args.get('name')
    # g.name = name
    request.method = name
    res = add(1, 2)
    print(res)
    return 'index'


@app.route('/home')
def home():
    print(g.xx)
    return 'index'


if __name__ == '__main__':
    app.run()

数据库链接池

# 在flask 中操作mysql
- 使用pymysql
-在视图函数中，创建pymysql的链接，进行查数据，查完返回给前端

-那么问题来了，来了一个请求，创建一个链接，请求结束，链接关闭（django就是这样）

-我们将链接对象做成全局的，在视图函数中，使用全局的链接，查询，返还给前端
- 多个人查询，会出现一个问题，（数据错乱）如下图。

解决方式：

-创建一个数据链接池
-创建一个全局的连接诶池
--每次进入视图函数，就从池中取一个连接使用，使用完成后放回到池中，只要控制好池的大小，就能控制mysql的链接数

# 使用第三方数据库链接池的步骤：
1.安装 pip install dbutils
2.使用：实例化得到一个池对象
3.在视图函数中导入使用
conn=pool.connection()
cursor = conn.cursor(pymysql.cursors.DictCursor)
        cursor.execute('select id,title,author_img from aritcle limit 2')
        res = cursor.fetchall()
        
        
        
        
        
 #  带池的代码
@app.route('/article_pool')
def article_pool():
    conn = pool.connection()
    cursor = conn.cursor(pymysql.cursors.DictCursor)
    cursor.execute('select id,title,author_img from aritcle limit 2')
    res = cursor.fetchall()
    print(res)
    return jsonify(res)

# 不带池的代码
@app.route('/article')
def article():
    conn = pymysql.connect(user='root',
                           password="",
                           host='127.0.0.1',
                           database='cnblogs',
                           port=3306)
    cursor = conn.cursor(pymysql.cursors.DictCursor)
    time.sleep(random.randint(1,3))
    cursor.execute('select id,title,author_img from aritcle limit 2')
    res = cursor.fetchall()
    cursor.close()
    conn.close()
    return jsonify(res)



# 压力测试代码
from threading import Thread
import requests


def task():
    res = requests.get('http://127.0.0.1:5000/article_pool')
    print(len(res.text))


if __name__ == '__main__':
    for i in range(500):
        t = Thread(target=task)
        t.start()
## 效果是：
	使用池的连接数明显小
    不使用池连接数明显很大
    
查看数据库链接数指令
show status like 'Threads%'