YANG's Notes

Appearance

SQLAlchemy 2.0 基础增删改查 ​

官方文档: SQLAlchemy Unified Tutorial

1 - 核心概念 ​

1.1 SQLAlchemy 2.0 与 1.x 的区别 ​

  1. 废弃 Query 对象，改用基于 select() 的统一查询方式
  2. 声明式模型的更新: Mapped 和 mapped_column
    1. 使用类型注解（Type Hints）和 mapped_column 明确定义字段属性。
    2. 类型注解（如 Mapped[int]）提供更好的 IDE 支持和代码可读性。
    3. mapped_column 可以更灵活地配置字段属性（如默认值、索引等）。
  3. 推荐使用 context manager (with 语句) 管理连接

1.2 Core 与 ORM ​

SQLAlchemy 提供了两个不同的 API，一个建立在另一个之上。这些 API 分别被称为 Core 和 ORM。

  • SQLAlchemy Core 是 SQLAlchemy 作为“database toolkit”的基础架构。该库提供了管理数据库连接、与数据库查询和结果交互以及程序化构造 SQL 语句的工具。
  • SQLAlchemy ORM 基于 SQLAlchemy Core，提供了 “object relational mapping” 能力。包含:
    • 一个配置层，可将 Python 类和对象映射到数据库表。
    • Session: 一种对象持久化机制

2 - 连接数据库 ​

Establishing Connectivity - the Engine

2.1 创建 Engine 实例 ​

Engine: sqlalchemy.engine.Engine

python
from sqlalchemy import create_engine
engine = create_engine("sqlite+pysqlite:///:memory:", echo=True)

Lazy Connecting 特性:

  • 创建 Engine 实例的时候不会立即连接数据库，而是在需要的时候才连接。

3 - 事务 ​

3.1 Connection 模式 vs Session 模式 ​

当使用 Core API 时，通过 Connection 对象操作数据库，返回 Result 对象。

当使用 ORM 时，Engine 则由 Session 管理。

  • 现代 SQLAlchemy 的 Session 强调事务，其 SQL 执行模式与 Connection 模式大致相同
  • 实际上，Session 是 Connection 的封装，最终是调用 Connection 来执行 SQL
  • 当传入非 ORM 的 SQL 语句时，Session 跟 Connection 没什么区别

3.2 Connection 模式 ​

3.2.1 获取 Connection 对象 ​

文档: class sqlalchemy.engine.Connection

用 Engine.connect() 方法获取 Connection 对象。

执行 SQL statement: 用 text() 构造 textual SQL, 用 conn.execute() 执行。

python
from sqlalchemy import text

with engine.connect() as conn:
    result = conn.execute(text("select 'hello world'"))
    print(result.all())

进入 with 语句块时，自动开启事务。

当退出 with 语句块时，事务结束，自动执行 ROLLBACK。

3.2.2 Commit Changes ​

教程中会更多地使用 "commit as you go" 风格，而我们实际使用中可能更多地使用 "begin once" 风格。

"commit as you go" 风格 ​

如果有修改，在退出前，应显式地使用 Connection.commit() 提交事务

python
# "commit as you go"
with engine.connect() as conn:
    conn.execute(text("CREATE TABLE some_table (x int, y int)"))
    conn.execute(
        text("INSERT INTO some_table (x, y) VALUES (:x, :y)"),
        [{"x": 1, "y": 1}, {"x": 2, "y": 4}],
    )
    conn.commit()

特殊情况下，如果希望 autocommit，可参考如下文档进行配置:

https://docs.sqlalchemy.org/en/20/core/connections.html#setting-transaction-isolation-levels-including-dbapi-autocommit

"begin once" 风格 ​

用 Connection.begin() 显式地开启事务，如果正常退出，自动 COMMIT；如果抛出了异常，自动 ROLLBACK。

python
# "begin once"
with engine.begin() as conn:
    conn.execute(
        text("INSERT INTO some_table (x, y) VALUES (:x, :y)"),
        [{"x": 6, "y": 8}, {"x": 9, "y": 10}],
    )

3.3 Session 模式 ​

在现代 SQLAlchemy 中，当使用 ORM 时，通过 Session 对象进行事务和数据库交互。

文档: class sqlalchemy.orm.Session

3.3.1 获取 Session 对象 ​

同样的，推荐使用 context manager (with 语句) 管理 Session 对象。

python
from sqlalchemy.orm import Session

stmt = text("SELECT x, y FROM some_table WHERE y > :y ORDER BY x, y")
with Session(engine) as session:
    result = session.execute(stmt, {"y": 6})
    for row in result:
        print(f"x: {row.x}  y: {row.y}")

这种情况下，也是 "commit as you go" 风格，需要在退出 with 语句块时，显式地使用 Session.commit() 提交事务。

更多 Session 用法，参考文档: Basics of Using a Session

4 - Core API 增删改查 ​

Core API 通过 execute() 方法接收 sql statement 作为参数，实现对数据库的增删改查。

4.1 查询结果 ​

执行 SELECT 语句，查询结果返回 Result 对象实例。

4.1.1 Result 对象 ​

文档: class sqlalchemy.engine.Result

Result 对象支持迭代，每次迭代返回一个 Row 对象实例。

python
with engine.connect() as conn:
    result = conn.execute(text("SELECT x, y FROM some_table"))
    for row in result:
        print(f"x: {row.x}  y: {row.y}")

4.1.2 Row 对象 ​

文档: class sqlalchemy.engine.Row

Row 对象使用方法类似于 python 的 namedtuple，可以用以下四种方式访问值:

（假设: result = conn.execute(text("select x, y from some_table"))）

(1) Tuple Assignment ​
python
for x, y in result:
    ...
(2) Integer Index ​
python
for row in result:
    x = row[0]
    y = row[1]
(3) Attribute Name ​

大部分情况下，Row 对象的属性名与表的列名相同，也可以通过 SELECT 语句显式指定。但个别情况下，名字会受数据库特性影响。

python
for row in result:
    x = row.x
    y = row.y
(4) Mapping Access ​

通过 Result.mappings() 方法，将 Result 对象转为 MappingResult 对象。迭代时返回 RowMapping 对象 (read-only)。

文档:

python
for dict_row in result.mappings():
    x = dict_row["x"]
    y = dict_row["y"]

4.2 传参 ​

execute() 接受 bound parameters 作为参数。

SQL 语句中使用 :param_name 表示参数，在 execute() 中传入 {param_name: value} 形式的字典。

python
with engine.connect() as conn:
    result = conn.execute(text("SELECT x, y FROM some_table WHERE y > :y"), {"y": 2})
    for row in result:
        print(f"x: {row.x}  y: {row.y}")

4.2.1 executemany ​

当执行 DML 语句（如 INSERT, UPDATE, DELETE）时，可以传入包含多个参数的列表。

语句会被执行多次，依次从参数列表中取值。

这种执行风格叫做 executemany。

python
with engine.connect() as conn:
    result = conn.execute(
        text("SELECT x, y FROM some_table WHERE y > :y"),
        [{"y": 2}, {"y": 3}],
    )

execute vs executemany

  • executemany 方式下，执行过程会得到优化，实现更高的性能
  • executemany 方式不支持返回结果 (唯一例外: 使用 insert() 构建的语句)

5 - ORM 增删改查 ​

(Data Manipulation with the ORM)(https://docs.sqlalchemy.org/en/20/tutorial/orm_data_manipulation.html)

当使用 textual SQL 时，Session 与 Connection 的执行模式大致相同。

本节主要介绍对 ORM 的增删改查。

5.1 查询 ​

文档: Selecting ORM Entities and Columns

SQLAlchemy 的 ORM 提供了一系列 SQL constructs 来构建查询语句。

5.1.1 增 ​

(1) insert() SQL Expression Construct ​

使用 insert() 构造 Insert 对象，它表示一条 INSERT 语句。

python
from sqlalchemy import insert
stmt = insert(user_table).values(name="spongebob", fullname="Spongebob Squarepants")

通常情况下，不需要显式调用 .values() 方法。通过在执行时传入参数，也可实现相同效果。

高级用法:

在用到 scalar subquery (子查询) 时, 同时使用 .values() 和执行时传入参数。

参考 文档的 "Deep Alchemy" 部分

(2) SQL Statement ​

大部分 SQL 语句都支持直接 print 出来。

用 stmt.compile() 可以获取编译后的 SQL 语句 (Compiled 对象)。

文档: class sqlalchemy.engine.Compiled

python
compiled = stmt.compile()
(3) 执行 ​
python
with engine.connect() as conn:
    result = conn.execute(stmt)
    conn.commit()

执行 INSERT 语句不会返回 rows。

当只插入一条记录时，通常支持返回在执行 INSERT 时自动生成的默认值（例如，primary key）。

python
result.inserted_primary_key
# (1,)

支持 "executemany" 风格，实现批量插入:

python
with engine.connect() as conn:
    result = conn.execute(
        insert(user_table),
        [
            {"name": "sandy", "fullname": "Sandy Cheeks"},
            {"name": "patrick", "fullname": "Patrick Star"},
        ],
    )
    conn.commit()
(4) INSERT...RETURNING ​

对于支持 RETURNING 的数据库，可以使用 Insert.returning() 方法，显式要求返回插入的值。

python
insert_stmt = insert(address_table).returning(
    address_table.c.id, address_table.c.email_address
)
print(insert_stmt)
# INSERT INTO address (id, user_id, email_address)
# VALUES (:id, :user_id, :email_address)
# RETURNING address.id, address.email_address

也可以和 Insert.from_select() 一起使用:

python
select_stmt = select(user_table.c.id, user_table.c.name + "@aol.com")
insert_stmt = insert(address_table).from_select(
    ["user_id", "email_address"], select_stmt
)
print(insert_stmt.returning(address_table.c.id, address_table.c.email_address))
# INSERT INTO address (user_id, email_address)
# SELECT user_account.id, user_account.name || :name_1 AS anon_1
# FROM user_account RETURNING address.id, address.email_address

5.1.2 查询 ​

文档: ORM Querying Guide

使用 select() construct 构造 Select 对象，表示 SELECT 语句。

文档: function sqlalchemy.sql.expression.select

python
print(select(User))
# SELECT user_account.id, user_account.name, user_account.fullname
# FROM user_account
(1) 查询整个 ORM 对象 ​

当使用 Session.execute() 查询 ORM 映射对象时，返回的数据中，每一项都是一个被查询的 ORM 映射对象。

(用 Connection.execute() 执行查询时，返回的数据是普通的 Row 对象)

python
stmt = select(User).where(User.name == "spongebob")
with Session(engine) as session:
    for row in session.execute(stmt):
        print(row)
# BEGIN (implicit)
# SELECT user_account.id, user_account.name, user_account.fullname
# FROM user_account
# WHERE user_account.name = ?
# [...] ('spongebob',)
# (User(id=1, name='spongebob', fullname='Spongebob Squarepants'),)
# ROLLBACK

在结果上调用 .first() 方法，返回只有一个元素的 Result 对象。

python
row = session.execute(select(User)).first()
row
# (User(id=1, name='spongebob', fullname='Spongebob Squarepants'),)

推荐用 Session.scalars() 方法，返回一个 ScalarResult 对象，再调用 .first() 方法可直接得到结果对象。

python
user = session.scalars(select(User)).first()
user
# User(id=1, name='spongebob', fullname='Spongebob Squarepants')
(2) 查询特定列 ​

用 select() 的参数指定要查询的列。

python
row = session.execute(select(User.name, User.fullname)).first()
row
# ('spongebob', 'Spongebob Squarepants')
(3) 列与 ORM 对象混合查询 ​
python
session.execute(
    select(User.name, Address).where(User.id == Address.user_id).order_by(Address.id)
).all()
(4) Labeled SQL Expressions ​

用 ColumnElement.label() 方法为列指定别名。

python
from sqlalchemy import func, cast
stmt = select(
    ("Username: " + user_table.c.name).label("username"),
).order_by(user_table.c.name)
with engine.connect() as conn:
    for row in conn.execute(stmt):
        print(f"{row.username}")
# Username: spongebob
(5) Where 子句 ​

Select.where() 方法支持将包含 Column 对象的 ==, !=, <, >=, >, <= 等表达式转为 where 子句。

python
stmt = select(User).where(User.name == "spongebob")

“AND” 和 “OR” 连接符分别使用 and_() 和 or_() 函数构造。

python
from sqlalchemy import and_, or_
print(
    select(Address.email_address).where(
        and_(
            or_(User.name == "squidward", User.name == "sandy"),
            Address.user_id == User.id,
        )
    )
)

对于简单相等关系，也可以用 Select.filter_by() 方法构造。

python
stmt = select(User).filter_by(name="spongebob")
(6) 显式的 FROM 和 JOIN ​

对于两表之间有外键关系的情况，SQLAlchemy 会自动生成 JOIN 语句。

Select.join_from() 方法支持显式指定 FROM 子句。需要传入 JOIN 关系中的左表和右表。

python
print(
    select(user_table.c.name, address_table.c.email_address).join_from(
        user_table, address_table
    )
)
# SELECT user_account.name, address.email_address
# FROM user_account JOIN address ON user_account.id = address.user_id

Select.join() 方法只需要传入 JOIN 关系中的右表。

python
print(select(user_table.c.name, address_table.c.email_address).join(address_table))
# SELECT user_account.name, address.email_address
# FROM user_account JOIN address ON user_account.id = address.user_id

Select.select_from() 方法支持指定子查询的 FROM 子句。

python
from sqlalchemy import func
print(select(func.count("*")).select_from(user_table))
# SELECT count(:count_2) AS count_1
# FROM user_account

ON 子句

Select.join() 和 Select.join_from() 方法支持指定 ON 子句。

python
print(
    select(address_table.c.email_address)
    .select_from(user_table)
    .join(address_table, user_table.c.id == address_table.c.user_id)
)

OUTER和FULL

python
print(select(user_table).join(address_table, isouter=True))
# SELECT user_account.id, user_account.name, user_account.fullname
# FROM user_account LEFT OUTER JOIN address ON user_account.id = address.user_id
print(select(user_table).join(address_table, full=True))
# SELECT user_account.id, user_account.name, user_account.fullname
# FROM user_account FULL OUTER JOIN address ON user_account.id = address.user_id
(7) ORDER BY, GROUP BY, HAVING ​

文档: ORDER BY, GROUP BY, HAVING

Released under the MIT License.

Copyright © 2019-present YANG