01_什么是ORM

最新推荐文章于 2021-02-19 11:47:39 发布
原创 最新推荐文章于 2021-02-19 11:47:39 发布 · 166 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ORM

ORM（Object-Relational Mapping） 表示对象关系映射。

简单的说：ORM就是建立实体类和数据库表之间的关系，从而达到操作实体类就相当于操作数据库表的目的。

Python_Django_ORM数据库查询操作
weixin_41165134的博客
12-20 922
查询操作 查找是数据库操作中一个非常重要的技术。查询一般就是使用filter、exclude以及get三个方法来实现。我们可以在调用这些方法的时候传递不同的参数来实现查询需求。在ORM层面，这些查询条件都是使用field+__+condition的方式来使用的。以下将那些常用的查询条件来一一解释。 查询条件 exact： 使用精确的=进行查找。如果提供的是一个None，那么在SQL层面就是被解释为...
day01_eesy_01mybatis.zip
05-31
1.什么是框架？ 他是我们软件开发中的一套解决方案，不同的框架解决的是不同的问题。 使用框架的好处： 框架封装了很多的细节，使开发者可以使用极简的方式实现功能。大大提高开发效率。 2.三层架构 表现层： ...
【原】[HL7_V2.4] 申请检验检查的ORM_O01消息消息解析 NHapi
iteye_1091的博客
04-01 2313
[code="C#"] /// /// 将受到的消息进行处理 /// 分解更新到数据库 /// private void ManageReceiveMsg(AsyTcpSocketClient client, string msg) { /* #reg...
python django框架orm_django的orm是什么
weixin_31876345的博客
02-19 268
下面我们学习DjangoORM的使用，ORM，顾名思义是 关系对象映射，django的ORM创建基本类，以及生成数据结构。创建类步骤：1，根据类自动创建数据库表2，根据类对数据表中的数据进行各种操作。为什么要配置django默认使用的数据库是sqlite3，如果你想改成mysql或者其他数据库的话，需要则在project的settings.py文件中修改DATABASES，找到它改为DATABAS...
pythonorm_python/ORM操作详解
weixin_35215045的博客
02-03 699
1 #def all(self):2 #获取所有数据对象34 ##def filter(self,*args,**kwargs)5 #条件查询6 #条件查询可以是：参数，字典，Q78 #def exclude(self,*args,**kwargs)9 #条件查询10 #条件可以是: 参数，字典，Q1112 #def annotate(self,*args,...
django orm关联查询_django中orm的多表查询
weixin_39765290的博客
12-22 1029
一、创建模型下面我们通过图书管理系统，来设计出每张表之间的对应关系。通过上图关系，来定义一下我们的模型类。from django.db import modelsclass Book(models.Model):title = models.CharField(max_length=32)price = models.DecimalField(max_digits=5, decimal_place...
django orm插入一条_Django之ORM操作
weixin_35840387的博客
01-14 1060
前言Django框架功能齐全自带数据库操作功能，本文主要介绍Django的ORM框架到目前为止，当我们的程序涉及到数据库相关操作时，我们一般都会这么搞：创建数据库，设计表结构和字段使用 MySQLdb 来连接数据库，并编写数据访问层代码业务逻辑层去调用数据访问层执行数据库操作ORM是什么？：(在django中，根据代码中的类自动生成数据库的表也叫--code first)ORM：Object Re...
django orm关联查询_Django之ORM查询操作详解
weixin_39729115的博客
12-22 1334
PythonPython开发Python语言Django之ORM查询操作详解 浏览目录一般操作ForeignKey操作ManyToManyField聚合查询分组查询F查询和Q查询事务Django终端打印SQL语句在Python脚本中调用Django环境其他操作一、一般操作必知必会<1> all(): 查询所有结果<2> ...
dos.orm mysql_Dos.ORM使用教程
weixin_29235923的博客
01-19 713
1 usingSystem;2 usingSystem.Collections.Generic;3 usingSystem.Linq;4 usingSystem.Text;5 usingSystem.Threading.Tasks;6 usingHxj.Data;7 usingHxj.Data.Sqlite;8 usingSystem.Data;910 namespacecn.School11 {...
python orm框架sqlalchemy_python的ORM框架SQLAlchemy
weixin_39736913的博客
12-21 219
本节内容ORM介绍sqlalchemy安装sqlalchemy基本使用多外键关联多对多关系表结构设计作业一、ORM介绍如果写程序用pymysql和程序交互，那是不是要写原生sql语句。如果进行复杂的查询，那sql语句就要进行一点一点拼接，而且不太有重用性，扩展不方便。而且写的sql语句可能不高效，导致程序运行也变慢。为了避免把sql语句写死在代码里，有没有一种方法直接把原生sql封装好了并且以你熟...
orm mysql_ORM介绍
weixin_35426022的博客
01-18 427
[TOC]Django模型层之ORM介绍一 ORM是什么？为何要有ORM？​ 我们在使用Django框架开发web应用的过程中，不可避免地会涉及到数据的管理操作(增、删、改、查)，而一旦谈到数据的管理操作，就需要用到数据库管理软件，例如mysql、oracle、Microsoft SQL Server等。​ 如果应用程序需要操作数据(比如将用户注册信息永久存放起来)，那么我们需要在应用...
02-01-11-基于Spring JDBC手写定制自己的ORM框架1
08-04
在本课程"02-01-11-基于Spring JDBC手写定制自己的ORM框架1"中，我们将探讨如何利用Spring的JdbcTemplate设计理念，来构建一个自定义的ORM（对象关系映射）框架。ORM框架的主要目的是简化Java应用程序与数据库之间的...
01MyBatis之ORM思想.md
08-16
01MyBatis之ORM思想.md
02_常见的ORM框架有哪些？
Ricky_Monarch的博客
08-12 9087
常见的orm框架:Mybatis（ibatis）、Hibernate、Jpa
09_Idea的JPA项目中实体类报错：cannot resolve column或cannot resolve table的解决方案
Ricky_Monarch的博客
08-14 2349
步骤如下： 第一步：view->Tool Windows->Persistence 2.第二步：左下角persistence中右键项目->Assign Data Sources 3.第三步：Assign Data Sources弹窗中选择自己的Data_Source ...
11、运行jpa项目时报错：Could not find any META-INF/persistence.xml file in the classpath
Ricky_Monarch的博客
08-14 1711
需将persistence.xml放在resources/META-INF/persistence.xml目录下
08_JPA中实体类的注解
Ricky_Monarch的博客
08-14 544
实体类 package com.bang.jpa; import javax.persistence.*; /** * @author: jinbang * @create: 2019/8/12 13:47 */ //关联数据表 @Table(name="jpa_customers") //持久化类 @Entity public class Customer { @Id//...
16_EntityManager的一些方法：find,getReference,persist,remove,merge
Ricky_Monarch的博客
08-14 518
1.find方法 首先，在实体类中重写toString方法 @Override public String toString() { return "Customer{" + "id=" + id + ", lastName='" + lastName + '\'' + ", email='" + email + '\...
15_@Temporal注解详解
Ricky_Monarch的博客
08-14 422
没加@Temporal注解前，删除表格，可以在删除表的情况下运行项目，这样它会自动创建一个这样的表 第一步，关于实体类Customer，增加了两个Date //关联数据表 @Table(name="jpa_customers") //持久化类 @Entity public class Customer { @Id//标明是主键 @GeneratedValue(strategy ...
python3 sqlalchemy async_sessionmaker orm 复杂查询 select filter_by
最新发布
07-17
<think>我们正在使用SQLAlchemy的异步ORM，特别是`async_sessionmaker`创建的会话。用户希望了解如何使用`filter_by`进行复杂查询的select操作。在SQLAlchemy ORM中，`filter_by`通常用于基于关键字参数的简单过滤，而`filter`方法则更灵活，支持更复杂的表达式。不过，用户明确提到了`filter_by`，因此我们将重点放在`filter_by`上，同时也会提及更复杂的查询场景。 在异步会话中，我们使用`select`语句来执行查询，然后通过`session.execute`来执行。使用`filter_by`时，我们通常结合`select`和`where`条件，但注意：`filter_by`是`Query` API的一部分，而在1.4版本之后，SQLAlchemy推荐使用2.0风格的查询（即使用`select()`和`session.execute()`）。 然而，在2.0风格中，我们通常使用`select`函数配合`where`方法，而`where`方法中可以使用`filter_by`的替代方式（即直接使用列属性比较）。但是，如果我们想使用类似`filter_by`的语法，可以在`select`之后使用`.filter_by()`，但注意这仅适用于`Query`对象，而不适用于`Select`对象。 因此，在2.0风格中，我们通常这样写： ```python stmt = select(User).where(User.name == 'Alice') ``` 这相当于旧版中的`filter_by(name='Alice')`，但更灵活。 不过，为了满足用户对`filter_by`的需求，我们可以这样：在2.0风格中，我们也可以使用`select`然后结合`filter_by`，但需要先将`select`转换成`Select`对象，然后并没有直接的`filter_by`方法。因此，我们推荐使用`where`子句。 但是，如果我们有多个条件，并且希望使用关键字参数的形式，我们可以使用`kwargs`展开，例如： ```python filters = {'name': 'Alice', 'email': 'alice@example.com'} stmt = select(User).filter_by(**filters) ``` 注意：在2.0风格中，`select`对象并没有`filter_by`方法，但是`select`可以配合`where`，而`where`可以接受多个条件。所以，上述代码在2.0风格中是不正确的。 实际上，在2.0风格中，我们应该这样： ```python stmt = select(User).where(User.name == 'Alice', User.email == 'alice@example.com') ``` 或者，如果我们有一个字典，我们可以构建条件： ```python conditions = [getattr(User, key) == value for key, value in filters.items()] stmt = select(User).where(*conditions) ``` 但是，用户可能希望使用`filter_by`的简洁性。在异步ORM中，我们仍然可以使用旧版的`Query`风格，但是SQLAlchemy官方推荐使用2.0风格。 因此，我们给出两种方式： 1. 使用2.0风格的`select`配合`where`（推荐） 2. 使用旧版的`Query`对象（通过`session.query`，但异步会话不支持，因为异步会话只支持2.0风格） 所以，在异步中，我们只能使用2.0风格。因此，我们使用`where`。 但是，请注意，`filter_by`在2.0风格中不可用，除非我们使用`Session.query`，但异步会话没有`query`方法。所以，我们必须使用`select`。 因此，我们只能使用`where`方法。 下面，我将展示如何在异步会话中使用`select`和`where`来实现类似于`filter_by`的功能，并进行复杂查询。 ### 示例：使用`filter_by`的替代方法（`where`）进行查询 假设我们有一个`User`模型，我们想根据多个条件查询用户，这些条件由关键字参数给出。 ```python from sqlalchemy import select from sqlalchemy.orm import selectinload async def get_users_by_filter(session: AsyncSession, **filters): # 构建条件列表 conditions = [getattr(User, key) == value for key, value in filters.items()] stmt = select(User).where(*conditions) result = await session.execute(stmt) return result.scalars().all() ``` 但是，如果我们的查询更复杂，比如包含关联表的条件，那么我们需要使用连接（join）和关联模型的字段。 ### 复杂查询示例：包含关联表 例如，我们想查询所有写了特定标题文章的用户。 ```python async def get_users_by_post_title(session: AsyncSession, title): stmt = select(User).join(User.posts).where(Post.title == title) result = await session.execute(stmt) return result.scalars().all() ``` 这里，我们使用了`join`来连接`User`和`Post`模型（假设`User`有一个关系`posts`指向`Post`模型），然后在`where`子句中使用了`Post.title`。 ### 使用`filter_by`进行多表查询？ 对于多表查询，`filter_by`只能用于当前模型，不能直接用于关联模型。因此，在复杂查询中，我们通常使用`filter`（即`where`）来明确指定关联表的字段。 ### 总结 在SQLAlchemy异步ORM中，使用`async_sessionmaker`创建的会话，我们执行查询的步骤如下： 1. 使用`select`构建查询语句。 2. 使用`where`添加条件（替代`filter_by`）。 3. 对于多表查询，使用`join`来连接表，并在`where`中使用关联表的字段。 4. 使用`session.execute`执行查询。 虽然用户提到了`filter_by`，但在2.0风格的异步查询中，我们推荐使用`where`，因为它更灵活且支持复杂条件。 下面是一个完整的示例，包括异步会话的创建和查询执行： ```python from sqlalchemy.ext.asyncio import create_async_engine, AsyncSession, async_sessionmaker from sqlalchemy import select # 假设已有模型 User 和 Post async_engine = create_async_engine(DATABASE_URL) AsyncSessionLocal = async_sessionmaker(async_engine, class_=AsyncSession, expire_on_commit=False) async def main(): async with AsyncSessionLocal() as session: # 简单查询：根据name和email查询用户 stmt = select(User).where(User.name == 'Alice', User.email == 'alice@example.com') result = await session.execute(stmt) users = result.scalars().all() # 复杂查询：查询所有写了特定标题文章的用户 stmt = select(User).join(User.posts).where(Post.title == 'My First Post') result = await session.execute(stmt) users_with_post = result.scalars().all() # 如果我们有一个过滤字典 filters = {'name': 'Bob', 'email': 'bob@example.com'} conditions = [getattr(User, key) == value for key, value in filters.items()] stmt = select(User).where(*conditions) result = await session.execute(stmt) users_by_filters = result.scalars().all() # 输出结果 print(users) print(users_with_post) print(users_by_filters) # 运行 import asyncio asyncio.run(main()) ``` ### 注意事项 - 在构建条件时，确保字典中的键是模型的有效属性，否则`getattr`会抛出异常。 - 对于关联查询，使用`join`明确指定连接关系，避免笛卡尔积。 - 异步查询需要使用`await`等待执行完成。 ### 相关问题 1. 在SQLAlchemy异步ORM中，如何执行分页查询？ 2. 如何处理异步查询中的关系加载（如joinedload, selectinload）？ 3. 在复杂查询中，如何构建动态的过滤条件（例如，根据用户输入的不同字段进行查询）？ 4. 使用异步ORM时，如何避免N+1查询问题？ 希望这些信息对您有所帮助！</think>### 使用 SQLAlchemy 异步 ORM 实现带 `filter_by` 的复杂查询 在 SQLAlchemy 异步 ORM 中，`filter_by` 主要用于基于关键字参数的简单过滤。以下是完整实现方案，包含复杂查询场景： #### 1. 基础 `filter_by` 查询 ```python from sqlalchemy import select from sqlalchemy.orm import selectinload async def get_user_by_email(session: AsyncSession, email: str): # 使用 filter_by 进行简单过滤 stmt = select(User).filter_by(email=email) result = await session.execute(stmt) return result.scalar_one_or_none() # 返回单个对象或 None ``` #### 2. 多条件复杂查询 ```python async def get_users_with_complex_filter(session: AsyncSession): # 组合 filter_by 与其他查询方法 stmt = ( select(User) .filter_by(is_active=True) # 使用 filter_by .where(User.created_at > "2023-01-01") # 使用 where 添加复杂条件 .order_by(User.id.desc()) .limit(10) ) result = await session.execute(stmt) return result.scalars().all() # 返回对象列表 ``` #### 3. 关联表查询（带预加载） ```python async def get_user_with_posts(session: AsyncSession, user_id: int): # 关联表查询 + 预加载避免 N+1 问题 stmt = ( select(User) .filter_by(id=user_id) .options(selectinload(User.posts)) # 预加载关联数据 ) result = await session.execute(stmt) return result.scalar_one() ``` #### 4. 动态条件组合 ```python from sqlalchemy import and_, or_ async def search_users(session: AsyncSession, **filters): # 动态构建查询条件 conditions = [] if "name" in filters: conditions.append(User.name.ilike(f"%{filters['name']}%")) if "email" in filters: conditions.append(User.email == filters["email"]) if "min_id" in filters: conditions.append(User.id >= filters["min_id"]) stmt = select(User).filter_by(is_verified=True).where(and_(*conditions)) result = await session.execute(stmt) return result.scalars().all() ``` #### 5. 聚合查询与分组 ```python from sqlalchemy import func async def get_user_post_stats(session: AsyncSession): # 聚合查询 + 分组 stmt = ( select( User.id, User.name, func.count(Post.id).label("post_count"), func.max(Post.created_at).label("latest_post") ) .join(Post, User.id == Post.user_id) .filter_by(user_type="author") # 使用 filter_by .group_by(User.id) .having(func.count(Post.id) > 5) # 过滤分组结果 ) result = await session.execute(stmt) return result.all() # 返回元组列表 ``` ### 关键注意事项 1. **`filter_by` vs `where`** - `filter_by`：适用于简单等值查询（`column=value`） - `where`：支持复杂表达式（不等式、函数、子查询等）[^1] 2. **异步执行模式** 所有查询必须使用 `await session.execute(stmt)` 异步执行 3. **结果处理** - `scalar()`：返回单个值 - `scalar_one()`：确保唯一结果（否则报错） - `scalars().all()`：返回对象列表 - `first()`：获取第一条结果 4. **N+1 查询优化** 使用加载策略避免关联查询问题： ```python .options( selectinload(User.posts), # 适合一对多 joinedload(Profile, innerjoin=True) # 适合一对一 ) ``` ### 完整工作流示例 ```python async def main(): async with AsyncSessionLocal() as session: # 1. 创建测试数据 new_user = User(name="张三", email="zhangsan@example.com", is_active=True) session.add(new_user) await session.commit() # 2. 使用 filter_by 查询 user = await get_user_by_email(session, "zhangsan@example.com") print(f"查询结果: {user.name}") # 3. 复杂查询 active_users = await get_users_with_complex_filter(session) print(f"活跃用户数: {len(active_users)}") # 4. 清理 await session.delete(user) await session.commit() asyncio.run(main()) ``` ### 性能优化建议 1. 使用 `.only()` 限制返回字段 ```python stmt = select(User.id, User.name).filter_by(is_active=True) ``` 2. 分页处理大数据集 ```python stmt = select(User).filter_by(role="admin").offset(20).limit(10) ``` 3. 使用 Core API 处理超大数据集 ```python stmt = select(User.__table__.c.id).where(User.age > 30) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值