flask orm 数据库_数据库连接池，本地线程，上下文管理

你的名字 2023-01-02 08:26 192阅读 0赞

![6d687665913b2c34b46eeb8538a4c370.png][]

# 一、数据库连接池 #

flask 中是没有 ORM 的，如果在 flask 里要连接数据库有两种方式

一：pymysql二：SQLAlchemy 是python 操作数据库的一个库。能够进行 orm 映射官方文档 sqlchemy SQLAlchemy“采用简单的Python语言，为高效和高性能的数据库访问设计，实现了完整的企业级持久模型”。SQLAlchemy的理念是，SQL数据库的量级和性能重要于对象集合；而对象集合的抽象又重要于表和行。

1. 链接池原理

- DBUtils数据库链接池  - 模式一：基于threaing.local实现为每一个线程创建一个连接，关闭是伪关闭，当前线程可以重复 - 模式二：连接池原理 - 可以设置连接池中最大连接数 9 - 默认启动时，连接池中创建连接 5  - 如果有三个线程来数据库中获取连接： - 如果三个同时来的，一人给一个链接 - 如果一个一个来，有时间间隔，用一个链接就可以为三个线程提供服务 - 说不准 有可能:1个链接就可以为三个线程提供服务 有可能:2个链接就可以为三个线程提供服务 有可能:3个链接就可以为三个线程提供服务 PS、：maxshared在使用pymysql中均无用。链接数据库的模块：只有threadsafety>1的时候才有用

2. 不使用连接池链接数据库

方式一：每次操作都要链接数据库，链接次数过多

#!usr/bin/env python3# -*- coding:utf-8 -*-import pymysqlfrom flask import Flaskapp = Flask(__name__)@app.route('/index')def index(): # 链接数据库 conn = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123', database='pooldb',charset='utf8') cursor = conn.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 获取数据 cursor.close() conn.close() # 关闭链接 print(result) return "执行成功"if __name__ == '__main__': app.run(debug=True)

这种方式每次请求，反复创建数据库链接，多次链接数据库会非常耗时

这时，我们会想到一种解决方法，就是把数据库链接放到全局，即方式二

方式二：不支持并发

#!usr/bin/env python3# -*- coding:utf-8 -*-import pymysqlfrom flask import Flaskfrom threading import RLockapp = Flask(__name__)CONN = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123', database='pooldb',charset='utf8')# 方式二：放在全局，如果是单线程，这样就可以，但是如果是多线程，就得加把锁。这样就成串行的了， 不支持并发，也不好。所有我们选择用数据库连接池@app.route('/index')def index(): with RLock: cursor = CONN.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 获取数据 cursor.close() print(result) return "执行成功"if __name__ == '__main__': app.run(debug=True)

由于上面两种方案都不完美，所以得把方式一和方式二联合一下(既让减少链接次数，也能支持并发)所有了方式三，需要导入一个 DButils 模块，基于 DButils 实现的数据库连接池

3. 基于 DButils 实现的数据库连接池

模式一

为每一个线程创建一个链接(是基于本地线程来实现的。thread.local)，每个线程独立使用自己的数据库链接，该线程关闭不是真正的关闭，本线程再次调用时，还是使用的最开始创建的链接，直到线程终止，数据库链接才关闭。

#!usr/bin/env python3# -*- coding:utf-8 -*-from flask import Flaskfrom DBUtils.PersistentDB import PersistentDBimport pymysqlapp = Flask(__name__)POOL = PersistentDB( creator=pymysql, # 使用链接数据库的模块 maxusage=None, # 一个链接最多被重复使用的次数，None表示无限制 setsession=[], # 开始会话前执行的命令列表。如：["set datestyle to ...", "set time zone ..."] ping=0, # ping MySQL服务端，检查是否服务可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always closeable=False, # 如果为False时， conn.close() 实际上被忽略，供下次使用，再线程关闭时，才会自动关闭链接。如果为True时， conn.close()则关闭链接，那么再次调用pool.connection时就会报错，因为已经真的关闭了连接(pool.steady_connection()可以获取一个新的链接) threadlocal=None, # 本线程独享值得对象，用于保存链接对象，如果链接对象被重置 host='127.0.0.1', port=3306, user='root', password='123', database='pooldb', charset='utf8')@app.route('/func')def func():　　conn = POOL.connection()　　cursor = conn.cursor()　　cursor.execute('select * from tb1')　　result = cursor.fetchall()　　cursor.close()　　conn.close() # 不是真的关闭，而是假的关闭。 conn = pymysql.connect() conn.close()　　conn = POOL.connection()　　cursor = conn.cursor()　　cursor.execute('select * from tb1')　　result = cursor.fetchall()　　cursor.close()　　conn.close()if __name__ == '__main__': app.run(debug=True)

缺点：如果线程比较多，还是会创建很多连接

模式二(推荐)

创建一个链接池，为所有线程提供连接，使用时来进行获取，使用完毕后在放回到连接池。

PS：假设最大链接数有 10 个，其实也就是一个列表，当你 pop 一个，系统会再 append 一个，链接池的所有的链接都是按照排队的这样的方式来链接的。链接池里所有的链接都能重复使用，共享的， 即实现了并发，又防止了链接次数太多

import timeimport pymysqlimport threadingfrom DBUtils.PooledDB import PooledDB, SharedDBConnectionPOOL = PooledDB( creator=pymysql, # 使用链接数据库的模块 maxconnections=6, # 连接池允许的最大连接数，0和None表示不限制连接数 mincached=2, # 初始化时，链接池中至少创建的空闲的链接，0表示不创建 maxcached=5, # 链接池中最多闲置的链接，0和None不限制 maxshared=3, # 链接池中最多共享的链接数量，0和None表示全部共享。PS: 无用，因为pymysql和MySQLdb等模块的 threadsafety都为1，所有值无论设置为多少，_maxcached永远为0，所以永远是所有链接都共享。 blocking=True, # 连接池中如果没有可用连接后，是否阻塞等待。True，等待；False，不等待然后报错 maxusage=None, # 一个链接最多被重复使用的次数，None表示无限制 setsession=[], # 开始会话前执行的命令列表。如：["set datestyle to ...", "set time zone ..."] ping=0, # ping MySQL服务端，检查是否服务可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always host='127.0.0.1', port=3306, user='root', password='123', database='pooldb', charset='utf8')def func(): # 检测当前正在运行连接数的是否小于最大链接数，如果不小于则：等待或报raise TooManyConnections异常 # 否则 # 则优先去初始化时创建的链接中获取链接 SteadyDBConnection。 # 然后将SteadyDBConnection对象封装到PooledDedicatedDBConnection中并返回。 # 如果最开始创建的链接没有链接，则去创建一个SteadyDBConnection对象，再封装到PooledDedicatedDBConnection中并返回。 # 一旦关闭链接后，连接就返回到连接池让后续线程继续使用。 # PooledDedicatedDBConnection conn = POOL.connection() # print(th, '链接被拿走了', conn1._con) # print(th, '池子里目前有', pool._idle_cache, '') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close()func()

# 二、本地线程 #

本地线程：保证每个线程都只有自己的一份数据，在操作时不会影响别人的，即使是多线程，自己的值也是互相隔离的

没用线程之前

import threadingimport timeclass Foo(object): def __init__(self): self.name = Nonelocal_values = Foo()def func(num): time.sleep(2) local_values.name = num print(local_values.name,threading.current_thread().name)for i in range(5): th = threading.Thread(target=func, args=(i,), name='线程%s' % i) th.start()

打印结果：

1 线程10 线程02 线程23 线程34 线程4

用了本地线程之后

import threadingimport time# 本地线程对象local_values = threading.local()def func(num): """ # 第一个线程进来，本地线程对象会为他创建一个 # 第二个线程进来，本地线程对象会为他创建一个 { 线程1的唯一标识：{name:1}, 线程2的唯一标识：{name:2}, } :param num: :return: """ local_values.name = num # 4 # 线程停下来了 time.sleep(2) # 第二个线程： local_values.name，去local_values中根据自己的唯一标识作为key，获取value中name对应的值 print(local_values.name, threading.current_thread().name)for i in range(5): th = threading.Thread(target=func, args=(i,), name='线程%s' % i) th.start()

打印结果：

1 线程12 线程20 线程04 线程43 线程3

# 三、上下文管理 #

flask 的 request 和 session 设置方式比较新颖，如果没有这种方式，那么就只能通过参数的传递。

flask 是如何做的呢？

- 本地线程：是Flask自己创建的一个线程(猜想：内部是不是基于本地线程做的？) vals = threading.local() def task(arg): vals.name = num - 每个线程进来都是打印的自己的，只有自己的才能修改， - 通过他就能保证每一个线程里面有一个数据库链接，通过他就能创建出数据库链接池的第一种模式 - 上下文原理 - 类似于本地线程 - 猜想：内部是不是基于本地线程做的？不是，是一个特殊的字典

1. 上下文原理

#!/usr/bin/env python3# -*- coding:utf-8 -*-from functools import partialfrom flask.globals import LocalStack, LocalProxy ls = LocalStack()  class RequestContext(object): def __init__(self, environ): self.request = environ  def _lookup_req_object(name): top = ls.top if top is None: raise RuntimeError(ls) return getattr(top, name)  session = LocalProxy(partial(_lookup_req_object, 'request')) ls.push(RequestContext('c1')) # 当请求进来时，放入print(session) # 视图函数使用print(session) # 视图函数使用ls.pop() # 请求结束pop  ls.push(RequestContext('c2'))print(session) ls.push(RequestContext('c3'))print(session)

2. Flask 内部实现

#!/usr/bin/env python# -*- coding:utf-8 -*- from greenlet import getcurrent as get_ident  def release_local(local): local.__release_local__()  class Local(object): __slots__ = ('__storage__', '__ident_func__')　　# __slots__的作用是用tuple定义允许绑定的属性名称  def __init__(self): # self.__storage__ = {}　　 # self.__ident_func__ = get_ident 等价于下面两句，之所以这样，是因为如果直接按这种方式设置，通过.会自动调用__setattr___，而在下面的__setattr__中　　　　　　又要获取__storage__等方法的值，这样会会形成递归，所以采用这张设置方法 object.__setattr__(self, '__storage__', {}) object.__setattr__(self, '__ident_func__', get_ident)  def __release_local__(self): self.__storage__.pop(self.__ident_func__(), None)  def __getattr__(self, name): try: return self.__storage__[self.__ident_func__()][name] except KeyError: raise AttributeError(name)  def __setattr__(self, name, value): ident = self.__ident_func__() storage = self.__storage__ try: storage[ident][name] = value except KeyError: storage[ident] = {name: value}  def __delattr__(self, name): try: del self.__storage__[self.__ident_func__()][name] except KeyError: raise AttributeError(name)  class LocalStack(object):

[6d687665913b2c34b46eeb8538a4c370.png]: /images/20221120/1992c15776f84dd0823fe6ef2e0851fa.png