在探索使用 FastAPI, SQLAlchemy, Pydantic,Redis, JWT 构建的项目的时候，其中数据库访问采用SQLAlchemy，并采用异步方式。数据库操作和控制器操作，采用基类继承的方式减少重复代码，提高代码复用性。在这个过程中设计接口和测试的时候，对一些问题进行跟踪解决，并记录供参考。
1、SQLAlchemy事务处理
在异步环境中，批量更新操作需要使用异步方法来执行查询和提交事务。
async def update_range(self, obj_in_list: List[DtoType], db: AsyncSession) -> bool:
"""批量更新对象"""
try:
async with db.begin(): # 使用事务块确保批量操作的一致性
for obj_in in obj_in_list:
# 查询对象
query = select(self.model).filter(self.model.id == obj_in.id)
result = await db.execute(query)
db_obj = result.scalars().first()
if db_obj:
# 获取更新数据
update_data = obj_in.model_dump(skip_defaults=True)
# 更新对象字段
for field, value in update_data.items():
setattr(db_obj, field, value)
return True
except SQLAlchemyError as e:
print(e)
# 异常处理时，事务会自动回滚
return False在这个改进后的代码中：
-
事务块：使用
async with db.begin()创建事务块，以确保批量操作的一致性。事务块会在操作完成后自动提交，并在出现异常时回滚。 -
查询对象：使用
select(self.model).filter(self.model.id == obj_in.id)进行异步查询，并使用await db.execute(query)执行查询。 -
更新对象字段：用
setattr更新对象的字段。 -
异常处理：捕获
SQLAlchemyError异常，并在异常发生时回滚事务。事务块会自动处理回滚，因此不需要手动回滚。
这种方式确保了在异步环境中批量更新操作的正确性和一致性。
在使用 async with db.begin() 进行事务管理时，事务会自动提交。如果在事务块内执行的所有操作都成功，事务会在退出时自动提交；如果出现异常，事务会自动回滚。
因此，手动调用 await db.commit() 是不必要的，因为事务块会处理这些操作。如果你不使用事务块，并希望手动控制事务的提交，可以如下修改：
async def update_range(self, obj_in_list: List[DtoType], db: AsyncSession) -> bool:
"""批量更新对象"""
try:
for obj_in in obj_in_list:
query = select(self.model).filter(self.model.id == obj_in.id)
result = await db.execute(query)
db_obj = result.scalars().first()
if db_obj:
update_data = obj_in.model_dump(skip_defaults=True)
for field, value in update_data.items():
setattr(db_obj, field, value)
await db.commit() # 手动提交事务
return True
except SQLAlchemyError as e:
print(e)
await db.rollback() # 确保在出错时回滚事务
return False在这个手动提交事务的例子中：
-
在更新对象的操作完成后，使用
await db.commit()来提交事务。 -
如果发生异常，使用
await db.rollback()来回滚事务。
根据需求选择合适的方法进行事务管理。事务块方式通常是更安全和简洁的选择。
在异步环境中，create_update 方法需要对数据库进行异步查询、更新或创建操作。
async def create_update(
self, obj_in: DtoType, id: PrimaryKeyType, db: AsyncSession
) -> bool:
"""创建或更新对象"""
try:
# 查询对象
query = select(self.model).filter(self.model.id == id)
result = await db.execute(query)
db_obj = result.scalars().first()
if db_obj:
# 更新对象
return await self.update(obj_in, db)
else:
# 创建对象
return await self.create(obj_in, db)
except SQLAlchemyError as e:
print(e)
# 确保在出错时回滚事务
await db.rollback()
return False在这个代码中：
-
异步查询：使用
select(self.model).filter(self.model.id == id)来构建查询，并用await db.execute(query)执行查询。 -
获取对象：使用
result.scalars().first()来获取查询结果中的第一个对象。 -
调用更新或创建方法：根据查询结果的有无，分别调用
self.update或self.create方法。确保这两个方法都是异步的，并在调用时使用await。 -
异常处理：捕获
SQLAlchemyError异常，并在发生异常时使用await db.rollback()来回滚事务。
在异步环境中，批量插入对象通常需要使用异步方法来执行数据库操作。由于 bulk_insert_mappings 在 SQLAlchemy 的异步版本中可能不直接支持，你可以使用 add_all 方法来批量添加对象。
async def save_import(self, data: List[DtoType], db: AsyncSession) -> bool:
"""批量导入对象"""
try:
# 将 DTO 转换为模型实例
db_objs = [self.model(**obj_in.model_dump()) for obj_in in data]
# 批量添加对象
db.add_all(db_objs)
# 提交事务
await db.commit()
return True
except SQLAlchemyError as e:
print(e)
await db.rollback() # 确保在出错时回滚事务
return False代码说明：
-
转换 DTO 为模型实例：使用
[self.model(**obj_in.model_dump()) for obj_in in data]将data列表中的 DTO 转换为模型实例列表。 -
批量添加对象：使用
db.add_all(db_objs)批量添加对象到数据库会话。 -
提交事务：使用
await db.commit()异步提交事务。 -
异常处理：捕获
SQLAlchemyError异常，使用await db.rollback()回滚事务以确保在出错时数据库状态的一致性。
这种方式确保了在异步环境中正确地进行批量导入操作，并处理可能出现的异常。
2、在 SQLAlchemy 中select(...).where(...) 和 select(...).filter(...)的差异
在 SQLAlchemy 中，select(...).where(...) 和 select(...).filter(...) 都用于构造查询条件，但它们有一些细微的差别和适用场景。
1. where(...)
-
定义：
where是 SQLAlchemy 中select对象的方法，用于添加查询的条件。 -
用法：
query = select(self.model).where(self.model.id == id) -
描述：
where方法用于指定 SQLWHERE子句的条件。在大多数情况下，它的行为和filter是等效的。
2. filter(...)
-
定义：
filter是 SQLAlchemy 中Query对象的方法，用于添加查询的条件。 -
用法：
query = select(self.model).filter(self.model.id == id) -
描述：
filter方法也用于指定 SQLWHERE子句的条件。它通常用于更复杂的查询构建中，尤其是在 ORM 查询中。
主要差异
-
上下文：
where是select对象的一部分，通常用于构建 SQL 查询（SQLAlchemy Core）。而filter是Query对象的一部分，通常用于 ORM 查询（SQLAlchemy ORM）。然而，在 SQLAlchemy 2.0+ 中，select和filter的使用变得更加一致。 -
语义：在使用 SQLAlchemy Core 时，
where更加明确地表示你正在添加 SQL 语句中的WHERE子句。在 ORM 查询中，filter也做了类似的事情，但它提供了更多 ORM 相关的功能。
使用 where 的示例（SQLAlchemy Core）:
from sqlalchemy.future import select
from sqlalchemy.ext.asyncio import AsyncSession
async def get(self, id: int, db: AsyncSession) -> Optional[ModelType]:
query = select(self.model).where(self.model.id == id)
result = await db.execute(query)
return result.scalars().first()使用 filter 的示例（SQLAlchemy ORM）:
from sqlalchemy.orm import sessionmaker
async def get(self, id: int, db: AsyncSession) -> Optional[ModelType]:
query = select(self.model).filter(self.model.id == id)
result = await db.execute(query)
return result.scalars().first()总结
-
在 SQLAlchemy Core 中：
where是构建查询条件的标准方法。 -
在 SQLAlchemy ORM 中：
filter用于构建查询条件，但在 Core 中，filter的使用相对较少。
在 SQLAlchemy 2.0 及更高版本中，select 的 where 和 filter 的用法变得越来越一致，你可以根据自己的习惯和需求选择其中一种。在实际开发中，选择哪一种方法通常取决于你的代码上下文和个人偏好。
3、model_dump(exclude_unset=True) 和model_dump(skip_defaults=True)有什么差异
model_dump(exclude_unset=True) 和 model_dump(skip_defaults=True) 是用于处理模型实例的序列化方法，它们的用途和行为略有不同。这两个方法通常用于将模型实例转换为字典，以便进行进一步的处理或传输。
model_dump(exclude_unset=True)
exclude_unset=True 是一个选项，通常用于序列化方法中，表示在转换模型实例为字典时，排除那些未设置的字段。
-
功能：排除所有未显式设置（即使用默认值）的字段。
-
使用场景：适用于需要忽略那些未被用户设置的字段，以避免在输出中包含默认值。
# 假设模型有字段 'name' 和 'age'，且 'age' 使用了默认值
model_instance = MyModel(name='Alice', age=25)
# 如果 age 的默认值是 0, exclude_unset=True 将只包含 'name'
serialized_data = model_instance.model_dump(exclude_unset=True)model_dump(skip_defaults=True)
skip_defaults=True 是另一个选项，表示在转换模型实例为字典时，排除那些使用了默认值的字段。
-
功能：排除所有字段的值等于其默认值的字段。
-
使用场景：适用于需要排除那些显式设置为默认值的字段，以减少输出的冗余信息。
# 假设模型有字段 'name' 和 'age'，且 'age' 使用了默认值
model_instance = MyModel(name='Alice', age=25)
# 如果 age 的默认值是 0, skip_defaults=True 将只包含 'name'
serialized_data = model_instance.model_dump(skip_defaults=True)主要区别
-
排除条件：
exclude_unset=True排除那些在模型实例中未显式设置的字段（即字段值为默认值或未赋值）。skip_defaults=True排除那些字段值等于其默认值的字段。 -
适用场景：
使用
exclude_unset=True时，目的是排除那些在实例化过程中未被显式赋值的字段，这通常用于避免包含那些尚未配置的字段。使用
skip_defaults=True时，目的是去掉那些显式设置为默认值的字段，以避免输出不必要的信息。
4、使用**kwargs 参数，在接口中实现数据软删除的处理
例如我们在删除接口中，如果传递了 kwargs 参数，则进行软删除（更新记录），否则进行硬删除（删除记录）。
async def delete_byid(self, id: PrimaryKeyType, db: AsyncSession, **kwargs) -> bool:
"""根据主键删除一个对象
:param kwargs: for soft deletion only
"""
if not kwargs:
result = await db.execute(sa_delete(self.model).where(self.model.id == id))
else:
result = await db.execute(
sa_update(self.model).where(self.model.id == id).values(**kwargs)
)
await db.commit()
return result.rowcount > 0实例代码如下所示。
# 示例模型
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Boolean
Base = declarative_base()
class Customer(Base):
__tablename__ = 'customer'
id = Column(Integer, primary_key=True)
name = Column(String)
is_deleted = Column(Boolean, default=False)
# 示例使用
async def main():
async with AsyncSession(engine) as session:
controller = BaseController(Customer)
# 硬删除
result = await controller.delete_byid(1, session)
print(f"Hard delete successful: {result}")
# 软删除
result = await controller.delete_byid(2, session, is_deleted=True)
print(f"Soft delete successful: {result}")
# 确保运行主程序
import asyncio
if __name__ == "__main__":
asyncio.run(main())注意事项
-
模型定义：确保你的模型中包含
is_deleted字段，并且字段名正确。 -
传递参数：在调用
delete_byid方法时，正确传递kwargs参数。例如，如果你要进行软删除，可以传递is_deleted=True。 -
调试输出：你可以添加一些调试输出（如
print(kwargs)），以确保正确传递了参数。
# 示例硬删除调用
await controller.delete_byid(1, session)
# 示例软删除调用
await controller.delete_byid(2, session, is_deleted=True)如果我们的is_deleted 字段是Int类型的，如下所示，那么处理有所不同
class Customer(Base):
__tablename__ = "t_customer"
id = Column(String, primary_key=True, comment="主键")
name = Column(String, comment="姓名")
age = Column(Integer, comment="年龄")
creator = Column(String, comment="创建人")
createtime = Column(DateTime, comment="创建时间")
is_deleted = Column(Integer, comment="是否删除")操作代码
# 硬删除
result = await controller.delete_byid("1", session)
print(f"Hard delete successful: {result}")
# 软删除
result = await controller.delete_byid("2", session, is_deleted=1)
print(f"Soft delete successful: {result}")注意事项
-
模型定义：你的
Customer模型定义看起来是正确的，确保所有字段和注释都符合你的要求。 -
硬删除和软删除：
硬删除：直接从数据库中删除记录。
软删除：通过更新
is_deleted字段来标记记录为已删除，而不是实际删除记录。 -
正确传递参数：
硬删除时，不需要传递额外参数。
软删除时，传递
is_deleted=1作为参数。
通过确保正确传递参数并且模型包含正确的字段，你应该能够正确执行软删除和硬删除操作。
5、Python处理接口的时候，Iterable 和List有什么差异
在 Python 中，Iterable 和 List 是两个不同的概念，它们有各自的特点和用途：
Iterable
Iterable 是一个更广泛的概念，指的是任何可以返回一个迭代器的对象。迭代器是一个实现了 __iter__() 方法的对象，能够逐个返回元素。几乎所有的容器类型（如列表、元组、字典、集合等）都是可迭代的。要检查一个对象是否是可迭代的，可以使用 collections.abc.Iterable 来进行检查。
特点
-
通用性：
Iterable是一个通用的接口，表示对象可以被迭代。 -
惰性：一些
Iterable可能是惰性计算的（如生成器），即它们不会立即计算所有元素，而是按需生成元素。 -
示例：列表（
List）、元组（Tuple）、字典（Dict）、集合（Set）、生成器（Generator）等都是可迭代对象。
from collections.abc import Iterable
print(isinstance([1, 2, 3], Iterable)) # True
print(isinstance((1, 2, 3), Iterable)) # True
print(isinstance({1, 2, 3}, Iterable)) # True
print(isinstance({'a': 1}, Iterable)) # True
print(isinstance((x for x in range(3)), Iterable)) # TrueList
List 是 Python 中的一种具体的容器类型，表示一个有序的元素集合，可以包含重复的元素。它是最常用的可变序列类型之一，支持索引访问、切片操作以及其他多种方法来操作列表中的元素。
特点
-
具体实现：
List是一个具体的类型，表示一个动态数组，可以存储多个对象。 -
有序：列表保持元素的插入顺序。
-
可变：可以对列表中的元素进行修改（如添加、删除、更新）。
-
示例：
[1, 2, 3]是一个列表。
my_list = [1, 2, 3]
print(my_list) # [1, 2, 3]
my_list.append(4) # [1, 2, 3, 4]
my_list[0] = 10 # [10, 2, 3, 4]总结一下：
-
Iterable：一个广泛的概念，表示可以被迭代的对象，不一定是具体的数据结构。例如，生成器是可迭代的但不是列表。
-
List：一个具体的容器类型，是一种有序的可变集合。列表是
Iterable的一种实现，但并不是所有的Iterable都是列表。
Iterable 是一个抽象概念，而 List 是一个具体的实现。你可以在 List 之上使用许多操作和方法来处理数据，而 Iterable 主要关注的是是否可以进行迭代。
因此接收结合的处理，我们可以使用Iterable接口更加通用一些。
async def create_range(
self, obj_in_list: Iterable[DtoType], db: AsyncSession
) -> bool:
"""批量创建对象"""
try:
# 将 DTO 转换为模型实例
db_objs = [self.model(**obj_in.model_dump()) for obj_in in obj_in_list]
# 批量添加到数据库
db.add_all(db_objs)
await db.commit()
return True
except SQLAlchemyError as e:
print(e)
await db.rollback() # 确保在出错时回滚事务
return False以上就是在Python中使用sqlalchemy来操作数据库的时候，对一些小问题的总结，供大家参考。
文章转载自：伍华聪
320
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
