flask蓝图、g对象、数据库连接池
昨日回顾
# 1 cbv 使用
写一个类继承MethodView,写get,post...
类属性decorators = [auth,]可以加装饰器
# 2 cbv执行流程
1 跟django流程一样
2 entpint 作用路径别名,add_url_rule(view_func=Index.as_view('index'))
3 为什么entpint不传,是被路由装饰器装饰的函数名:函数.__name__
4 装饰器的执行先后顺序
# 3 模板语法
# 4 请求响应
请求:全局request对象,在不同视图函数中尽管使用,不会错乱
-method
-path
-files
-form
-argvs...
响应:四件套
-响应对象,make_response包裹一下四件套之一
-set_cookies
-响应对象.headers 响应头
# 5 session使用
设置密钥
全局导入,直接赋值,取值
# 6 session执行流程
-open_session:前端写到cookie到后端,后端取出cookie对应的value值,解密,转到session对象中,后续在视图函数中,使用session即可
-save_session:请求走的时候,校验session有没有被改过,如果被改了,删除cookie,重新设置cookie
-session用起来像字典---》如何做,一个对象可以像字典一样使用,__getitem__ __setitem__,只要调用__setitem__ 就说明动了,对象属性 modify,一开始false,只要触发了__setitem__,置为true,后期只要判断modify,就可以判断session有没有被改过
# 7 闪现:跨请求获取到之前请求存放的数据,取一次就没了 关注django的message框架
-flash('%s,大帅哥'%name)
-get_flashed_messages()
# 8 请求扩展
-before_request
-after_request
-before_first_request
-teardown_request:错误日志记录
-errorhandler:是某种状态码,就会执行它
今日内容
-
蓝图的使用
-
g对象
-
数据库连接池
1 蓝图的使用
# blueprint 翻译过来的,称之为蓝图
作用是:之前全在一个py文件中写flask项目,后期肯定要划分目录
# 不用蓝图,划分目录
no_blueprint_flask # 项目名
src # 核心源码位置
__init__.py # 包 里面实例化得到了app对象
models.py # 放表模型
views.py # 放视图函数
static # 放静态资源
templates # 放模板
home.html # 模板
manage.py # 启动文件
1.1 蓝图的使用步骤
第一步:导入蓝图类
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 使用蓝图注册路由
@us.route('/login')
补充
蓝图可以有自己的静态文件和模板
注册蓝图时,可以使用前缀,必须以/开头
1.2 使用蓝图,划分小型项目目录
# 使用蓝图,划分小型项目目录
little_blueprint # 项目名
-src # 核心代码
-static # 静态文件
-1.png # 图片
-templates # 模板文件
user.html # 模板
-views # 视图函数存放位置
order.py # 订单相关视图
user.py # 用户相关视图
-__init__.py # 包
-models.py # 表模型
-manage.py # 启动文件
1.3 使用蓝图,划分大型项目目录
# 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.png # 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 # order app
-__init__.py # 包
-settings.py # 配置文件
-manage.py # 启动文件
2 g对象
# g 对象 是什么?
-global的缩写,在python中是个关键字,不能以关键字作为变量名,干脆用了g
-g 对象,在整个请求的全局,可以放值,可以取值
-全局变量,在任意位置导入使用即可
# 它为什么不学django使用request作为上下文?
因为使用request,可能会造成request数据的污染,不小心改了request属性,但你不知道
建议使用g 是空的,放入之后在当次请求中全局优先
# 以后想在当次请求中,放入一些数据,后面使用,就可以使用g对象
# g和session有什么区别?
g 只针对于当次请求
session针对于多次请求
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()
3 数据库连接池
# flask 操作mysql
-使用pymysql
-在视图函数中,创建pymysql的连接,查数据,查完,返回给前端
-有什么问题? 来一个请求,创建一个连接,请求结束,连接关闭(django就是这么做的)
-把连接对象,做成全局的,在视图函数中,使用全局的连接,查询,返回给前端
-有什么问题?会出现数据错乱,详见下图
# 解决上面的两个问题
-数据库连接池
-创建一个全局的池
-每次进入视图函数,从池中取一个连接使用,使用完放回到池中,只要控制池的大小,就能控制mysql连接数
3.1 使用第三方数据库连接池,使用步骤
安装 pip install dbutils
使用:实例化得到一个池对象
在试图函数中导入使用
from dbutils.pooled_db import PooledDB
import pymysql
pool = PooledDB(
creator=pymysql, # 使用链接数据库的模块
maxconnections=10, # 连接池允许的最大连接数,0和None表示不限制连接数
mincached=2, # 初始化时,链接池中至少创建的空闲的链接,0表示不创建
maxcached=5, # 链接池中最多闲置的链接,0和None不限制
maxshared=3,
# 链接池中最多共享的链接数量,0和None表示全部共享。PS: 无用,因为pymysql和MySQLdb等模块的 threadsafety都为1,所有值无论设置为多少,_maxcached永远为0,所以永远是所有链接都共享。
blocking=True, # 连接池中如果没有可用连接后,是否阻塞等待。True,等待;False,不等待然后报错
maxusage=None, # 一个链接最多被重复使用的次数,None表示无限制
setsession=[], # 开始会话前执行的命令列表。如:["set datestyle to ...", "set time zone ..."]
ping=0,
# ping MySQL服务端,检查是否服务可用。# 如:0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
host='127.0.0.1',
port=3306,
user='root',
password='root',
database='luffy01',
charset='utf8'
)
conn = pool.connection()
cursor = conn.cursor(pymysql.cursors.DictCursor)
cursor.execute('select * from luffy_banner limit 2')
res = cursor.fetchall()
print(res)
带池的代码
# 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
# 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
# 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()
效果是池的连接数明显小
不使用池连接数明显大
查看数据库连接数
show status like 'Threads%'
分类:
Flask
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 单线程的Redis速度为什么快?
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 展开说说关于C#中ORM框架的用法!