博客
关于我
python操作SQLAlchemy
阅读量:423 次
发布时间:2019-03-06

本文共 2127 字,大约阅读时间需要 7 分钟。

SQLAlchemy 是一个功能强大的 ORM框架,基于数据库 API,通过对象关系映射将对象转换为 SQL 语句并执行操作。以下是关于 SQLAlchemy 的详细指南。

安装

通过 pip3 安装 SQLAlchemy:

pip3 install sqlalchemy

数据库连接

SQLAlchemy 使用 Dialect 与数据库通信,支持多种数据库,如 MySQL、PostgreSQL、Oracle 等。连接方式如下:

engine = create_engine(    "mysql+mysqldb://root:123@127.0.0.1:3306/s11",    max_overflow=5)

事务操作

在 SQLAlchemy 中,事务操作通过 engine.begin() 启动,确保数据一致性:

with engine.begin() as conn:    conn.execute("insert into table (x, y, z) values (1, 2, 3)")    conn.execute("my_special_procedure(5)")

数据库 schema

通过 MetaDataTable 定义数据库表结构:

from sqlalchemy import create_engine, Table, Column, Integer, String, MetaDatametadata = MetaData()user = Table('user', metadata,    Column('id', Integer, primary_key=True),    Column('name', String(20)))

创建表结构:

engine = create_engine("mysql+mysqldb://root:123@127.0.0.1:3306/s11", max_overflow=5)metadata.create_all(engine)

CRUD 操作

SQLAlchemy 提供了简单的增删改查方法:

  • 插入数据:
conn = engine.connect()conn.execute(user.insert(), {'id': 7, 'name': 'seven'})conn.close()
  • 删除数据:
sql = user.delete().where(user.c.id > 1)conn.execute(sql)
  • 更新数据:
sql = user.update().values(fullname=user.c.name)conn.execute(sql)
  • 查询数据:
result = conn.execute(sql).fetchall()

ORM 操作

使用 ORM 模块通过类操作数据库:

from sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy import Column, Integer, Stringfrom sqlalchemy.orm import sessionmakerfrom sqlalchemy import create_engineengine = create_engine("mysql+mysqldb://root:123@127.0.0.1:3306/s11", max_overflow=5)Base = declarative_base()class User(Base):    __tablename__ = 'users'    id = Column(Integer, primary_key=True)    name = Column(String(50))Session = sessionmaker(bind=engine)session = Session()# 增u = User(id=2, name='sb')session.add(u)session.commit()# 删session.query(User).filter(User.id > 2).delete()session.commit()# 改session.query(User).filter(User.id > 2).update({'cluster_id': 0})session.commit()# 查ret = session.query(User).filter_by(name='sb').first()

注意事项

  • SQLAlchemy 本身不支持直接修改表结构,建议使用开源工具 [Alembic](https://sqlalchemy Alembic.readthedocs.io/en/latest/index.html) 进行数据库迁移。
  • 确保数据库连接安全,定期检查数据库线程状态:show status like 'Threads%'

希望这篇文章能为您提供关于 SQLAlchemy 的全面的指导。

转载地址:http://pynuz.baihongyu.com/

你可能感兴趣的文章
NIFI大数据进阶_FlowFile拓扑_对FlowFile内容和属性的修改删除添加_介绍和描述_以及实际操作---大数据之Nifi工作笔记0023
查看>>
NIFI大数据进阶_NIFI的模板和组的使用-介绍和实际操作_创建组_嵌套组_模板创建下载_导入---大数据之Nifi工作笔记0022
查看>>
NIFI大数据进阶_NIFI监控的强大功能介绍_处理器面板_进程组面板_summary监控_data_provenance事件源---大数据之Nifi工作笔记0025
查看>>
NIFI大数据进阶_内嵌ZK模式集群1_搭建过程说明---大数据之Nifi工作笔记0015
查看>>
NIFI大数据进阶_外部ZK模式集群1_实际操作搭建NIFI外部ZK模式集群---大数据之Nifi工作笔记0017
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_01_实际操作---大数据之Nifi工作笔记0029
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_02_实际操作_splitjson处理器_puthdfs处理器_querydatabasetable处理器---大数据之Nifi工作笔记0030
查看>>
NIFI大数据进阶_连接与关系_设置数据流负载均衡_设置背压_设置展现弯曲_介绍以及实际操作---大数据之Nifi工作笔记0027
查看>>
NIFI数据库同步_多表_特定表同时同步_实际操作_MySqlToMysql_可推广到其他数据库_Postgresql_Hbase_SqlServer等----大数据之Nifi工作笔记0053
查看>>
NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南001---大数据之Nifi工作笔记0068
查看>>
NIFI集群_内存溢出_CPU占用100%修复_GC overhead limit exceeded_NIFI: out of memory error ---大数据之Nifi工作笔记0017
查看>>
NIFI集群_队列Queue中数据无法清空_清除队列数据报错_无法删除queue_解决_集群中机器交替重启删除---大数据之Nifi工作笔记0061
查看>>
NIH发布包含10600张CT图像数据库 为AI算法测试铺路
查看>>
Nim教程【十二】
查看>>
Nim游戏
查看>>
NIO ByteBuffer实现原理
查看>>
Nio ByteBuffer组件读写指针切换原理与常用方法
查看>>
NIO Selector实现原理
查看>>
nio 中channel和buffer的基本使用
查看>>
NIO三大组件基础知识
查看>>