Python开发中，SQLAlchemy 的同步操作和异步操作封装，以及常规CRUD的处理。

在我们使用Python来和数据库打交道中，SQLAlchemy是一个非常不错的ORM工具，通过它我们可以很好的实现多种数据库的统一模型接入，而且它提供了非常多的特性，通过结合不同的数据库驱动，我们可以实现同步或者异步的处理封装。

1、SQLAlchemy介绍

SQLAlchemy 是一个功能强大且灵活的 Python SQL 工具包和对象关系映射（ORM）库。它被广泛用于在 Python 项目中处理关系型数据库的场景，既提供了高级的 ORM 功能，又保留了对底层 SQL 语句的强大控制力。SQLAlchemy 允许开发者通过 Python 代码与数据库进行交互，而无需直接编写 SQL 语句，同时也支持直接使用原生 SQL 进行复杂查询。下面是SQLAlchemy和我们常规数据库对象的对应关系说明。

Engine  　　连接对象         驱动引擎

Session 　　连接池           事务  由此开始查询

Model   　　表                   类定义

Column  　  列  

Query   　　若干行         可以链式添加多个条件

 

在使用SQLAlchemy时，通常会将其与数据库对象对应起来。以下是SQLAlchemy和常规数据库对象的对应关系说明：

1）数据库表 (Database Table)

• SQLAlchemy: 使用 Table 对象或 Declarative Base 中的类来表示。
• 对应关系: 数据库中的每一个表对应于SQLAlchemy中的一个类，该类继承自 declarative_base()。

from sqlalchemy import Column, Integer, String, create_engine from sqlalchemy.ext.declarative import declarative_base  Base = declarative_base()  class User(Base):     __tablename__ = 'users'  # 数据库表名     id = Column(Integer, primary_key=True)     name = Column(String)     email = Column(String)

2）数据库列 (Database Column)

• SQLAlchemy: 使用 Column 对象来表示。
• 对应关系: 每个数据库表中的列在SQLAlchemy中表示为 Column 对象，并作为类的属性定义。

id = Column(Integer, primary_key=True) name = Column(String(50))

3）数据库行 (Database Row)

• SQLAlchemy: 每个数据库表的一个实例（对象）代表数据库表中的一行。
• 对应关系: 在SQLAlchemy中，通过实例化模型类来表示数据库表中的一行。

new_user = User(id=1, name='John Doe', email='john@example.com')

4）主键 (Primary Key)

• SQLAlchemy: 使用 primary_key=True 参数定义主键。
• 对应关系: 在数据库表中定义主键列，这列在SQLAlchemy中也需要明确标注。

id = Column(Integer, primary_key=True)

5）外键 (Foreign Key)

• SQLAlchemy: 使用 ForeignKey 对象来表示。
• 对应关系: 在SQLAlchemy中使用 ForeignKey 指定关系，指向另一个表的主键列。

from sqlalchemy import ForeignKey from sqlalchemy.orm import relationship  class Address(Base):     __tablename__ = 'addresses'     id = Column(Integer, primary_key=True)     user_id = Column(Integer, ForeignKey('users.id'))     user = relationship('User')

6）关系 (Relationships)

• SQLAlchemy: 使用 relationship 对象来表示。
• 对应关系: 数据库中表与表之间的关系在SQLAlchemy中通过 relationship 来定义。

addresses = relationship("Address", back_populates="user")

7）会话 (Session)

• SQLAlchemy: 使用 Session 对象进行事务性操作（如查询、插入、更新、删除）。
• 对应关系: Session 对象类似于数据库连接对象，用于与数据库进行交互。

from sqlalchemy.orm import sessionmaker  Session = sessionmaker(bind=engine) session = Session()  session.add(new_user) session.commit()

通过以上对应关系，SQLAlchemy允许开发者以面向对象的方式与数据库交互，提供了一个Pythonic的接口来操作数据库。

 2、SQLAlchemy 的同步操作

 SQLAlchemy 提供了同步和异步两种操作方式，分别适用于不同的应用场景。以下是如何封装 SQLAlchemy 的同步和异步操作的方法说明：

在同步操作中，SQLAlchemy 使用传统的阻塞方式进行数据库操作。首先，定义一个基础的 Session 和 Engine 对象：

from sqlalchemy import create_engine from sqlalchemy.orm import declarative_base, sessionmaker from typing import Generator from core.config import settings  # 常规同步处理 engine = create_engine(settings.DB_URI) SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)  def get_db() -> Generator:     """创建一个 SQLAlchemy 数据库会话-同步处理."""     try:         db = SessionLocal()         yield db     finally:         db.close()

前面说了，使用SQLAlchemy可以实现不同数据库的统一模型的处理，我们可以对应创建不同数据库的连接（engine），如下是常规几种关系型数据库的连接处理。

# mysql 数据库引擎 engine = create_engine(     "mysql+pymysql://root:123456@127.0.0.1:3306/WinFramework",     pool_recycle=3600,     # echo=True, )  # Sqlite 数据库引擎 engine = create_engine("sqlite:///testdir//test.db")  # PostgreSQL 数据库引擎 engine = create_engine(     "postgresql+psycopg2://postgres:123456@localhost:5432/winframework",      # echo=True,  )  # SQLServer 数据库引擎 engine = create_engine(      "mssql+pymssql://sa:123456@localhost/WinFramework?tds_version=7.0",      # echo=True,  )

我们可以根据数据库的CRUD操作方式，封装一些操作，如下所示。

class CRUDOperations:     def __init__(self, model):         self.model = model      def create(self, db, obj_in):         db_obj = self.model(**obj_in.dict())         db.add(db_obj)         db.commit()         db.refresh(db_obj)         return db_obj      def get(self, db, id):         return db.query(self.model).filter(self.model.id == id).first()      def update(self, db, db_obj, obj_in):         obj_data = obj_in.dict(exclude_unset=True)         for field in obj_data:             setattr(db_obj, field, obj_data[field])         db.commit()         db.refresh(db_obj)         return db_obj      def remove(self, db, id):         obj = db.query(self.model).get(id)         db.delete(obj)         db.commit()         return obj

使用时，构建数据访问类进行操作，如下测试代码所示。

crud_user = CRUDOperations(User)  # Create with get_db() as db:     user = crud_user.create(db, user_data)  # Read with get_db() as db:     user = crud_user.get(db, user_id)  # Update with get_db() as db:     user = crud_user.update(db, user, user_data)  # Delete with get_db() as db:     crud_user.remove(db, user_id)

 

3、SQLAlchemy 的异步操作封装

对于异步操作，SQLAlchemy 使用 AsyncSession 来管理异步事务。

首先，定义一个异步的 Session 和 Engine 对象：

from sqlalchemy import create_engine, URL from sqlalchemy.ext.asyncio import AsyncSession, async_sessionmaker, create_async_engine from typing import AsyncGenerator  def create_engine_and_session(url: str | URL):     try:         # 数据库引擎         engine = create_async_engine(url, pool_pre_ping=True)     except Exception as e:         print("❌ 数据库链接失败 {}", e)         sys.exit()     else:         db_session = async_sessionmaker(             bind=engine, autoflush=False, expire_on_commit=False         )         return engine, db_session   # 异步处理 async_engine, async_session = create_engine_and_session(settings.DB_URI_ASYNC)   async def get_db() -> AsyncGenerator[AsyncSession, None]:     """创建一个 SQLAlchemy 数据库会话-异步处理."""     async with async_session() as session:         yield session

和同步的处理类似，不过是换了一个对象来实现，并且函数使用了async await的组合来实现异步操作。

为了实现我的SQLSugar开发框架类似的封装模式，我们参考SQLSugar开发框架中基类CRUD的定义方式来实现多种接口的封装处理。

 参照上面的实现方式，我们来看看Python中使用泛型的处理封装类的代码。

ModelType = TypeVar("ModelType", bound=Base) PrimaryKeyType = TypeVar("PrimaryKeyType", int, str, float)  # 限定主键的类型 PageDtoType = TypeVar("PageDtoType", bound=BaseModel) DtoType = TypeVar("DtoType", bound=BaseModel)   class BaseCrud(Generic[ModelType, PrimaryKeyType, PageDtoType, DtoType]):     """     基础CRUD操作类     """      def __init__(self, model: Type[ModelType]):         """         数据库访问操作的基类对象(CRUD).         **Parameters**         * `model`: A SQLAlchemy model class         """         self.model = model

这样，我们就可以通过泛型定义不同的类型，以及相关的处理类的信息。

该基类函数中，异步定义get_all的返回所有的数据接口如下所示。

    async def get_all(         self, sorting: Optional[str], db: AsyncSession     ) -> List[ModelType] | None:         """根据ID字符串列表获取对象列表          :param sorting: 格式：name asc 或 name asc,age desc         """         query = select(self.model)         if sorting:             query = self.apply_sorting(query, sorting)          result = await db.execute(query)         items = result.scalars().all()         return items

而对应获得单个对象的操作函数，如下所示。

    async def get(self, id: PrimaryKeyType, db: AsyncSession) -> Optional[ModelType]:         """根据主键获取一个对象"""         query = select(self.model).filter(self.model.id == id)          result = await db.execute(query)         item = result.scalars().first()          return item

而创建对象的操作函数，如下所示。

    async def create(self, obj_in: DtoType, db: AsyncSession, **kwargs) -> bool:         """创建对象,使用 kwargs 时可以扩展创建对象时的字段。          :param obj_in: 对象输入数据         :param kwargs: 扩展字段,如格式: is_deleted=0, is_active=1         """         try:             if kwargs:                 instance = self.model(**obj_in.model_dump(), **kwargs)             else:                 instance = self.model(**obj_in.model_dump())  # type: ignore              db.add(instance)             await db.commit()             return True         except SQLAlchemyError as e:             print(e)             await db.rollback()             return False

这个异步函数 create 旨在通过 SQLAlchemy 在数据库中创建一个对象，同时允许通过 kwargs 参数动态扩展创建对象时的字段。

• async def: 表明这是一个异步函数，可以与 await 一起使用。
• self: 这是一个类的方法，因此 self 引用类的实例。
• obj_in: DtoType: obj_in 是一个数据传输对象（DTO），它包含了需要插入到数据库中的数据。DtoType 是一个泛型类型，用于表示 DTO 对象。
• db: AsyncSession: db 是一个 SQLAlchemy 的异步会话（AsyncSession），用于与数据库进行交互。
• **kwargs: 接受任意数量的关键字参数，允许在对象创建时动态传入额外的字段。

• obj_in.model_dump(): 假设 obj_in 是一个 Pydantic 模型或类似结构，它可以通过 model_dump() 方法转换为字典格式，用于创建 SQLAlchemy 模型实例。
• self.model(**obj_in.model_dump(), **kwargs): 使用 obj_in 中的字段以及通过 kwargs 传入的扩展字段来实例化 SQLAlchemy 模型对象。如果 kwargs 非空，它们会被解包并作为额外的字段传入模型构造函数。

• db.add(instance): 将新创建的对象添加到当前的数据库会话中。
• await db.commit(): 提交事务，将新对象保存到数据库。

• SQLAlchemyError: 捕获所有 SQLAlchemy 相关的错误。
• await db.rollback(): 在发生异常时，回滚事务，以防止不完整或错误的数据被提交。

通过上面的封装，我们可以测试调用的处理例子

from crud.customer import customer as customer_crud from models.customer import Customer from pydantic import BaseModel from schemas.customer import CustomerDto, CustomerPageDto  async def test_list_customer():     async with get_db() as db:          print("get_list")         totalCount, items = await customer_crud.get_list(             CustomerPageDto(skipCount=0, maxResultCount=10, name="test"),             db,         )         print(totalCount, items)         for customer in customers:             print(customer.name, customer.age)          print("get_by_name")         name = "test"         customer = await customer_crud.get_by_name(             name,             db,         )         if customer:             print(customer.name, customer.age)         else:             print(f"{name} not found")          print("soft delete")         result = await customer_crud.delete_byid(customer.id, db, is_deleted=1)         print("操作结果：", result)          print("soft delete_byids")         result = await customer_crud.delete_byids(             ["11122", "2C5F8672-2AA7-4B14-85AD-DF56F5BF7F1F"], db, is_deleted=1         )         print(f"Soft delete successful: {result}")          print("update_by_column")         result = await customer_crud.update_by_column(             "id", customer.id, {"age": 30}, db         )         print("操作结果：", result)          await db.close()

同步和异步处理的差异：

• 同步操作 适用于传统的阻塞式应用场景，比如命令行工具或简单的脚本。
• 异步操作 更适合异步框架如 FastAPI，可以提高高并发场景下的性能。

通过封装数据库操作，可以让代码更具复用性和可维护性，支持不同类型的操作场景。