Python工具箱系列(三十四)

SQLAlchemy是著名的ORM(Object Relational Mapping-对象关系映射)框架。其主要作用是在编程中，把面向对象的概念跟数据库中表的概念对应起来。对许多语言（例如JAVA/PYTHON）来说就是定义一个对象，并且这个对象对应着一张数据库的表。而这个对象的实例，就对应着表中的一条记录。

其整体思路如下图所示：

其中类、对象与属性与数据库相关内容的对应关系如下图所示：

ORM的优点：

 

• 数据模型与代码统一定义，更新与维护简单，代码高度重用一致。

• ORM有现成的工具，很多功能都可以自动完成，比如表格增删、预处理、事务等。

• 基于ORM的业务代码比较简单，代码量少，语义性好，容易理解。

• 你不必编写性能不佳的SQL。

ORM的缺点：

 

• ORM库多层封装，实现巧妙，需要花很多精力学习和设置。

• 对于复杂的查询，ORM要么是无法表达，要么是性能不如原生的SQL。

• ORM抽象掉了数据库层，开发者无法了解底层的数据库操作，也无法定制一些特殊的SQL。

 

 

 从整体上看，ORM节省了开发时间，减少了代码错误的可能性，同时能够方便地在多个数据库间灵活迁移，还是非常值得使用。而在python语言中，SQLAlchemy是著名的ORM框架之一，它的整体架构如下图所示：

从图中可以看出，SQLAIchemy是分层架构，由Core以及ORM两部分组成。其中，Core完成了与数据库操作的各类封闭，是相对低层的。而ORM层则利用Core层的能力进行更宏观的操作。因此，在一段python代码中,使用Core与ORM层同时来操作数据库也是可行的，并不矛盾与冲突。

下面先从最基本的表格创建做起。非ORM编程中，表格的创建无非两个途径：

●基于DBMS本身提供的CLI/GUI界面，发出DDL语句进行数据库/表格本身的增删改查。

●使用语言连接数据库后，发出命令来对数据库/表格进行增删改查。

而由于每种数据库都有自己的方言，所以命令语句各有差异，需要不断地调整。而使用SQLAlchemy则实现了代码统一。例如以下代码在mssql以及mysql上创建表格，并且可以查询表格的元数据，以及插入数据后的查询。

from sqlalchemy import (Column, Integer, MetaData, String, Table,
                        create_engine, text, Float, DateTime, ForeignKey)
from sqlalchemy_utils.functions import create_database, database_exists

configure_pg = {"user": "postgres",
                'password': '88488848',
                'dns': 'dbserver.home',
                "port": 5432,
                'prefix': 'postgresql+psycopg2',
                'postfix': ''
                }

configure_mssql = {"user": "sa",
                   'password': '88488848',
                   'dns': 'dbserver.home',
                   "port": 1433,
                   'prefix': 'mssql+pymssql',
                   'postfix': '?charset=utf8'
                   }

configure_mysql = {"user": "root",
                   'password': '88488848',
                   'dns': 'dbserver.home',
                   "port": 3306,
                   'prefix': 'mysql+mysqlconnector',
                   'postfix': ''
                   }

config = {'mssql': configure_mssql,
          'mysql': configure_mysql, 'postgresql': configure_pg}

database_name = 'testdb'
table_sensor_location = "sensor_location"
table_sensor_data = "sensor_data"


def linkdb(targetstr):
    """
    连接不同的数据库

    Args:
        targetstr (string): 数据库名称

    Returns:
        engine: 用于后续的数据库连接
    """
    if targetstr in config.keys():
        item = config[targetstr]
        connectstring = f"{item['prefix']}://{item['user']}:{item['password']}@{item['dns']}:{item['port']}/{database_name}{item['postfix']}"
        engine = create_engine(connectstring, echo=True, future=True)

    # 如果数据库不存在，则创建之
    if not database_exists(engine.url):
        create_database(engine.url)

    # 做一个测试，不针对任何表
    with engine.connect() as conn:
        result = conn.execute(text("select 'hello world'"))
        print(result.all())
    return engine


def createtbs(connector):
    """"
    创建数据库中的2张表。用于保存传感器数据与传感器本身的信息
    """
    metadata_obj = MetaData()

    # 描述传感器的表
    sensor_location_tb = Table(
        table_sensor_location,
        metadata_obj,
        Column('id', Integer, primary_key=True, autoincrement=False),
        Column('location', String(30), nullable=False)
    )

    # 保存传感器数据的表
    sensor_data_tb = Table(
        table_sensor_data,
        metadata_obj,
        Column('id', Integer, primary_key=True, autoincrement=False),
        Column('sensor_id', ForeignKey(
            f'{table_sensor_location}.id'), nullable=False),
        Column('area', String(30)),
        Column('pm25', Float),
        Column('timestamp', DateTime)
    )
    print(sensor_data_tb.compile())

    # 创建并返回表
    metadata_obj.create_all(connector)
    return sensor_data_tb, sensor_location_tb


def tableinfo(connector, tablename):
    """
    获得指定表名的相关元数据信息

    Args:
        connector (engine): 数据库连接器
        tablename (string): 要查询的表名
    """
    metadata_obj = MetaData()
    some_table = Table(tablename, metadata_obj, autoload_with=connector)
    print([c.name for c in some_table.columns])


def gensonsorinfo(connector):
    with connector.connect() as conn:
        conn.execute(text(f"INSERT INTO {table_sensor_location} (id, location) VALUES (:x, :y)"),
                     [{"x": 1, "y": '1号楼'}, {"x": 2, "y": '2号楼'}])

        conn.commit()

        result = conn.execute(
            text(f"SELECT id, location FROM {table_sensor_location}"))
        for x, y in result:
            print(f"id: {x}  location: {y}")


# 依次连接多个数据库。从而验证代码的一致性
for dbname in config.keys():
    con = linkdb(dbname)
    createtbs(con)
    tableinfo(con, table_sensor_data)
    tableinfo(con, table_sensor_location)
    gensonsorinfo(con)

从代码可以看出，可以用统一的访问方式来操作mssql/mysql/postgresql三种数据库。而且，以上方式与前文中的基于游标的写法类似。