- SqlAlchemy使用教程(一) 原理与环境搭建
- SqlAlchemy使用教程(二) 入门示例及编程步骤
- SqlAlchemy使用教程(三) CoreAPI访问与操作数据库详解
- SqlAlchemy使用教程(四) MetaData 与 SQL Express Language 的使用
- SqlAlchemy使用教程(五) ORM API 编程入门
- SqlAlchemy使用教程(六) – ORM 表间关系的定义与CRUD操作
注：本章要求熟悉Python异步编程的基础知识
1、SqlAlchemy 异步编程基础
1.1 异步访问数据的优点
- 当数据库访问较频繁时，异步编程可以明显提高运行效率。
- 可以配合FastAPI 等异步框架，用异步访问使用SqlAlchemy，充分发挥异步框架的优势 。
SqlAlchmy 1.4 提供了Core层的异步接口， 2.0提供了 异步ORM接口
1.2 编程环境准备
(1) 安装异步依赖库
sqlalchemy 的异步接口基于 greenlet，在setuptools配置中为可选安装，
安装异步
pip install sqlalchemy[asyncio]
或者自已在setup.py 中查找greenlet版本号，手工
pip install greenlet==xx.yy.zz
(2)安装数据库的异步驱动。
pip install aiosqlite
以下是常见数据库的异步驱动库
sqlite3 :
- aiosqlite
mysql:
- aiomysql。
- asyncmy: 这是1个支持 MySQL/MariaDB 的高性能异步库
PostgreSQL:
- aiopg,
- asyncpg:
- asyncpgsa: 是asyncpg库的封装，适用于Sqlalchemy.
2、Core Async API
Core API层的异步，首先通过 create_async_engine() 创建1个异步AsyncEngine对象，该对象提供异步连接AsyncEngine.connect() ， 或者通过上下文使用AsyncEngine.begin()创建的连接。
同时，还提供了AsyncConnection.run_sync() 用于执行一些内部的同步方法，如 MetaData.create_all()。
下面我们通过实现来查看1个完整过程
import asyncio
from sqlalchemy import Column, MetaData, select, String, Table
from sqlalchemy.ext.asyncio import create_async_engine
meta = MetaData()
t1 = Table(
'tb1',
meta,
Column('name', String(50), primary_key=True),
Column('profile', String(50), nullable=True),
)
async def main():
engine = create_async_engine("sqlite+aiosqlite:///:memory:")
async with engine.begin() as conn:
await conn.run_sync(meta.create_all)
await conn.execute(
t1.insert(), [{"name": "some name 1", 'profile': 'some profile 1'},
{"name": "some name 2", 'profile': 'some profile 2'}
]
)
async with engine.begin() as conn:
result = await conn.execute(select(t1).where(t1.c.name == "some name 1"))
print(result.fetchall())
await engine.dispose()
asyncio.run(main())
异步流式查询
使用AsyncConnection.stream() 执行SQL, 返回AsyncResult对象。
async with engine.connect() as conn:
async_result = await conn.stream(select(t1))
async for row in async_result:
print("row: %s" % (row,))
3、异步ORM 编程API
3.1 异步ORM API介绍
ORM的异步接口主要由AsyncSession 类来提供。
AsyncSession对象由async_sessionmaker() 工厂方法来创建。
注意：1个AsyncSession 实例只能用在1个coroutine 内。 每个协程要使用不同的AsyncSession对象。
async_session = async_sessionmaker(async_engine, expire_on_commit=False)
手动关闭AsyncSession对象，
AsyncSession.close()
异步执行SQL操作
AsyncSession.execute()
AsyncSession.scalars()
对于具有relation 关系的表的操作，同步模式下存在由lazy load 带来的Implicit IO，异步模式下不支持lazy load.
3.2 完整示例
import asyncio
from typing import List
from sqlalchemy import ForeignKey, select, String, Integer
from sqlalchemy.ext.asyncio import (create_async_engine,
async_sessionmaker,
AsyncSession,
AsyncAttrs
)
from sqlalchemy.orm import (DeclarativeBase,
Mapped,
mapped_column,
relationship,
selectinload)
class Base(DeclarativeBase):
pass
class User(Base):
__tablename__ = "user"
id: Mapped[int] = mapped_column(primary_key=True)
name: Mapped[str] = mapped_column(String(30))
age: Mapped[int] = mapped_column(Integer())
company_id: Mapped[int] = mapped_column(ForeignKey("company.id"))
company: Mapped["Company"] = relationship(back_populates="users")
class Company(Base):
__tablename__ = "company"
id: Mapped[int] = mapped_column(primary_key=True)
name: Mapped[str] = mapped_column(String(30))
users: Mapped[List[User]] = relationship()
async def insert_data(async_session: async_sessionmaker[AsyncSession]) -> None:
async with async_session() as session:
async with session.begin():
session.add_all([
Company(name="Baidu", users=[]),
Company(name="Alibaba", users=[]),
User(name='Tom', age=21, company_id=1),
User(name='Jerry', age=22, company_id=2),
User(name='Jack', age=23, company_id=1),
])
async def main() -> None:
engine = create_async_engine("sqlite+aiosqlite:///:memory:", echo=False)
async_session = async_sessionmaker(engine, expire_on_commit=False)
# 创建表
async with engine.begin() as conn:
await conn.run_sync(Base.metadata.create_all)
# 使用异步协程插入数据
await asyncio.gather(insert_data(async_session))
# await insert_data(async_session) # 或者直接执行
# 查询User表数据，联合查询Company表数据
async with async_session() as session:
stmt = select(User, Company).join(User.company).order_by(User.name)
result = await session.execute(stmt)
for row in result.scalars():
print(row.id, row.name, row.age, row.company.name)
# 查询 Company 数据，反向查询User表数据
print("查询 Company 数据，反向查询User表数据")
async with async_session() as session:
stmt = select(Company).options(selectinload(Company.users))
result = await session.execute(stmt)
for row in result.scalars():
print(row.id, row.name)
for user in row.users:
print('\t', user.id, user.name, user.age)
await engine.dispose()
asyncio.run(main())
执行上述代码，输出为：
output
3 Jack 23 Baidu
2 Jerry 22 Alibaba
1 Tom 21 Baidu
查询 Company 数据，反向查询User表数据
1 Baidu
1 Tom 21
3 Jack 23
2 Alibaba
2 Jerry 22
说明：
- User表定义有外键字段，与company是1对1对多关系，查询User表时，如果希望同时获得 Company表数据，应使用联合查询。
- 查询Company表中，反向查询 User表数据，须处理懒加载问题,参考下一节.
3.3 关系查询中懒加载问题
如果A, B之间存在1对多关系, B中的外键指向A，SqlAlchemy在查询 A表的数据后，如果设置了反向查询字段，默认 SqlAlchemy会对关联表隐式地发送查询请求。由于这个I/O是同步的，因此 AsyncSession是不支持此操作。会Block此操作。
有两种解决办法：
方法一：引入AsyncAttrs Mixin混入类
from sqlalchemy.ext.asyncio import AsyncAttrs
class Base(AsyncAttrs, DeclarativeBase): # Base引入AsyncAttrs
pass
# 表A与B之间存在外键关系。
class A(Base):
__tablename__ = "a"
# ... rest of mapping ...
bs: Mapped[List[B]] = relationship() # 反射查询关系
class B(Base):
__tablename__ = "b"
a_id: Mapped[int] = mapped_column(ForeignKey("a.id"))
# ... rest of mapping ...
A的 bs属性查询时是lazy load,将被做为 AsyncAttrs来处理，阻止其发磅IO
联合查询时，要手工用异步方式执行查询操作
a1 = (await session.scalars(select(A))).one()
for b1 in await a1.awaitable_attrs.bs:
print(b1)
方式2： 用异步eager load加载关系表数据
如果不使用AsyncAttrs 方式，可用 eager load 来解决：
最常用eager load方法为selectinload() ，其与select()形成链式调用
stmt = select(A).options(selectinload(A.bs))
result = wait session.scalars(stmt)
for r in result:
print(r.id, r.data, r.bs)
注意：
- 当A构建新对象时，对bs总是赋个空值, 如
A(bs=[], data="a2")
3.4 运行同步方法
如同上一节提到，Core API 的 AsyncConnection对象提供了run_sync()方法运行同步方法，同样ORM API中，AsyncSession对象也提供了run_sync() 执行同步方法。
await session.run_sync(fetch_and_update_objects) # fetch_and_update_objects() 是1个同步方法
