为Django开发者介绍SQLAIchemy ORM

Posted 2021-05-01 Python程序员

我经常在工作和个人项目中使用Django。但是在最近的工作项目中，我有机会使用Flask和SQLAlchemy。所以我必须学点新东西。

Flask很简单，因为它是一个微框架，里面没有很多东西。然而，理解SQLAlchemy以及如何使用它比我预期的要困难得多。

在本文中，我试图通过一些示例来展示Django ORM和SQLAlchemy之间的主要区别，这些示例演示了如何在Django中执行某些操作，以及如何在SQLAlchemy中执行相同的操作。如果您出于任何原因试图切换到SQLAlchemy，我希望它对您有用。

在深入讨论示例和Django ORM与SQLAlchemy之间的区别之前，让我们先从理解事务开始，因为如果您想使用SQLAlchemy编写任何内容，那么事务是一个非常重要的概念。

事务

将事务视为确保多个数据库操作(插入、删除、……)作为一个组，要么一起成功，要么一起失败的一种方法。

启动事务时，我们记录数据库的当前状态，然后执行SQL语句。如果所有这些语句都成功，则提交事务。提交之后，所有更改都将持久化到数据库中，并对其他事务可见。

但是，如果一个或多个语句失败，我们将捕获异常并回滚任何成功的语句。

Django和SQLAlchemy中的事务

我们在Django和SQLAlchemy中处理事务的方式是不同的。

在Django中，我们很少考虑事务。因为Django的默认行为是在自动提交模式下运行，这意味着每个SQL语句都被包装到它自己的事务中，这个事务将根据SQL语句成功与否自动提交或回滚。

但在SQLAlchemy中，我们有Session对象。会话是SQLAlchemy与数据库交互的方式。它允许您累积多个更改，然后发出commit命令，该命令将自动将所有更改作为一个单元写入数据库。这种模式也称为工作单元:

当提交引发一个异常，你想要处理它，你应该手动回滚事务，这样你的应用程序才能继续正常运行：

Django和SQLAlchemy中的原子性

现在，当您了解了Django和SQLAlchemy处理事务的区别之后，您应该会看到这两种方法的优缺点。

在自动提交模式下运行的优点是，它使得使用这个ORM更容易理解和编写代码。缺点是，如果你有多个查询，其中一个成功，另一个失败，那么你的数据库就有损坏的风险:

解决风险的方法是对数据库原子进行查询。原子性意味着您在一个事务中所做的事情作为一个单元进行或失败。如果代码块成功完成，则将更改提交给数据库。如果出现异常，则回滚更改。

这就是session在SQLAlchemy中的作用。在Django中，我们可以使用原子函数实现原子性:

这两种Transfer要么都将被添加到数据库中，要么都不添加。

Django和SQLAlchemy中的模型

在Django和SQLAlchemy中定义模型时，您将立即看到的主要区别是，在SQLAlchemy中必须显式地定义模型。但是在Django中，很多事情都是在底层完成的。

例如，让我们看看如何在Django和SQLAlchemy中定义具有不同关系的模型。

在Django中:

同样的事情在SQLAlchemy:

让我们来讨论一下主要的区别。

Django的模型。默认情况下，Model类创建一个自动递增的整数主键。在SQLAlchemy我们必须明确定义:

另一个区别是，在SQLAlchemy中，我们必须自己对关系建模，比如一对多、多对多和一对一。在Django中更简单，因为它为您处理关系。

例如，如果我们想在SQLAlchemy中创建一对多的关系，我们应该首先定义一个列:

然后声明两个模型之间的关系:

注意，当我们定义一个外键时，我们指向聊天表的id列。但是当我们定义模型之间的关系时，我们不是指向表，而是指向Chat模型。

backref参数自动声明反向关系。lazy= ' dynamic '创建了一个动态关系，这意味着当我们访问chat时。消息，SQLAlchemy将返回一个查询对象，我们可以进一步过滤:

如果我们不指定lazy参数，默认值将是' select '。它的工作方式不同。当我们首次使用chat.messages时，SQLAlchemy会向数据库发送一个查询，获取所有相关的消息，并返回一个列表:

Django和SQLAlchemy中的查询

当我们想要在Django中过滤查询时，我们使用的关键字参数的格式是column=value或column_operation =value:

在SQLAlchemy中，我们使用模型表达式进行过滤:

说到连接，在Django中更简单，因为它为我们处理连接:

在SQLAlchemy我们必须明确:

SQLAlchemy会自动尝试查找要连接的内容，但是我们可以明确地将其指定为要连接的第二个参数:

 

大多数情况下，它在不指定第二个参数的情况下也能工作。但是，如果模型之间有很多关系，有时它会以您不希望的方式执行自动连接。所以要小心。

现在让我们看看如何重用查询。例如，如果我们需要获得有未读消息的对话框(与2个参与者的聊天)，该怎么办?或者我们想要检查一个特定的聊天是否是一个对话框，以及它是否有未读的消息。我们不想在不同的地方重复粘贴代码。记得擦干(不要重复)。

在Django中，我们可以为聊天模型创建一个自定义的QuerySet和属性:

如何使用:

在SQLAlchemy中，我们可以使用混合属性或方法使代码可重用:

混合属性意味着该属性既可以在类级使用，也可以在实例级使用:

混合方法也可以在实例级和类级使用。不同之处在于，如果需要，我们可以将参数传递给方法。

N + 1问题

让我们来讨论一个无论使用Django还是Flask都会遇到的问题:假设您需要从数据库中提取每个聊天的消息，然后显示消息文本和关于消息发送者的信息:

为了显示所有这些信息，我们将向数据库发送多少个查询?由于Django比较懒，所以在编写chat .object .all()时，它只将聊天信息提取到内存中。它不提取关于消息的信息，当然，也不提取关于消息发送者的信息。

因此，如果我们有2个聊天，每个聊天有10条消息，那么它将需要23个查询。首先，我们从数据库中提取所有聊天记录(1 db请求)。对于每个聊天，我们提取所有消息(另一个2 db请求)。最后，对于每条消息，我们提取其发送者的信息(2个聊天* 10条消息)。1 + 2 + 2 * 10 = 23

我们可以做的是使用prefetch_related函数将需要的信息预加载到内存中:

我们总共只有3个查询。一个用于聊天，一个用于消息，一个用于用户(发送者)。

我们可以在SQLAlchemy做类似的事情:

我们使用joinedload将sender预加载到内存中。正如您所看到的，我们没有预先加载聊天消息。问题是您不能预加载lazy= ' dynamic '关系，因为它产生的是查询，而不是集合(列表)。因此，在为您的模型定义和使用lazy= ' dynamic '关系时要小心，因为它会导致对数据库的大量查询。然而，没有什么可以阻止你定义两个关系到同一个模型:

我建议您使用默认情况下返回列表的关系，但是当您确实需要动态关系来过滤嵌套数据时，您可以轻松地将其添加到模型中。

另外，请记住，即使不使用动态关系，您也可以过滤嵌套的关系。contains_eager能帮你做到:

首先，我们加载具有未读消息的聊天。然后我们预加载聊天-信息的关系。预加载后，此关系将生成未读消息列表。

结论

我们已经了解了最流行的Python ORM: SQLAlchemy和Django ORM。从我的经验来看，Django ORM更容易学习和使用，但是SQLAlchemy为您提供了更大的灵活性，而且可能更适合大型应用程序。

如果您是初学者，并且正在尝试为下一个项目Django或Flask + SQLAlchemy选择使用什么，我强烈建议您继续使用Django。最初，Flask可能看起来很简单，但是当您开始构建能够解决实际问题的应用程序时，使用起来就比Django更有挑战性了。此外，Django的生态系统更大。它有更多的开源库和教程。

如果您不是初学者，并且正在尝试构建微服务，那么Flask + SQLAlchemy可能是更好的选择。但如果你已经到了那一步，你自己应该就知道如何对框架进行取舍了。

英文原文：https://apirobot.me/posts/introduction-to-sqlalchemy-orm-for-django-developers
译者： Yang