【Python开发】FastAPI 10：SQL 数据库操作

在 FastAPI 中使用 SQL 数据库可以使用多个 ORM 工具，例如 SQLAlchemy、Tortoise ORM 等，类似 Java 的 Mybatis 。这些 ORM 工具可以帮助我们方便地与关系型数据库进行交互，如 MySQL 、PostgreSQL等。本篇文章将介绍如何使用 SQLAlchemy 来完成数据库操作，以便让我们在 FastAPI 项目中方便地进行数据存储和查询。

目录

1 介绍

1.1 SQLAlchemy

1.2 文件结构

2 数据库连接

2.1 安装 mysqlclient

2.2 SQLAlchemy 使用

3 创建模型

3.1 数据库模型

3.2 Pydantic 模型

4 数据库操作 CRUD

4.1 查—读取数据

4.2 增—创建数据

4.3 改—修改数据

4.4 删—删除数据

5 接口创建及运行

5.1 接口创建

5.2 项目运行

📌 源码地址：

https://gitee.com/yinyuu/fast-api_study_yinyu

1 介绍

1.1 SQLAlchemy

简单来说，SQLAlchemy 就是一个 ORM 工具，提供了灵活的数据模型定义和查询语法，支持多种数据库后端，比如：

• MySQL
• SQLite
• Oracle
• PostgreSQL
• Microsoft SQL Server，等等其它数据库

在 FastAPI 中使用 SQLAlchemy，我们可以通过安装 SQLAlchemy 和相应的数据库驱动程序（如 mysqlclient，psycopg2 等）来连接到数据库，然后使用 SQLAlchemy 提供的模型类定义数据表和字段，以及使用查询语法进行数据操作。

本篇文章中，我将以 MySQL 为例，实现 SQLAlchemy 的数据库连接及操作。

ORM 具有在代码和数据库表中的对象之间转换的工具，简单来说就是将该数据表映射到项目代码中，然后你通常在 SQL 数据库中创建一个代表映射的类，该类的每个属性代表一个列，具有名称和类型。

1.2 文件结构

项目中包含子目录 sql_app，本篇文章的文件结构如下：

.
└── sql_app
    ├── __init__.py
    ├── crud.py
    ├── database.py
    ├── main.py
    ├── models.py
    └── schemas.py

文件 __init__.py 是一个空文件，不过它告诉 Python 其中 sql_app 的所有模块（Python 文件）都是一个包，可以拿来调用。

接下来，本文将以 database.py -> models.py -> schemas.py -> crud.py -> main.py 的顺序开始讲述~

2 数据库连接

涉及到文件 sql_app/database.py，数据库操作的第一步便是连接数据库。

2.1 安装 mysqlclient

因为需求连接到 mysql 数据库，因此需要预先安装 mysql 驱动，可直接使用如下命令，简单来说就是安装个 MySQL 第三方库：

pip install PyMySQL

2.2 SQLAlchemy 使用

具体代码如下 👇

#1.导入 SQLAlchemy 部件
from sqlalchemy import create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

#2.为 SQLAlchemy 定义数据库 URL地址
SQLALCHEMY_DATABASE_URL = "mysql+pymysql://user:password@ip地址:端口/数据表名?charset=utf8mb4"

#3.创建 SQLAlchemy 引擎
engine = create_engine( SQLALCHEMY_DATABASE_URL )
#4.创建一个SessionLocal 数据库会话
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)

#5.创建一个Base类
Base = declarative_base()

📌 URL 地址

如果你想使用其他数据库，那么就需要对 SQLALCHEMY_DATABASE_URL 的值进行变更。

比如使用的是 PostgreSQL 数据库："postgresql://user:password@postgresserver/db"。

📌 SessionLocal 类

它是一个本地线程存储（thread-local storage）的单例类，用来创建数据库会话。

简单来说，SessionLocal 类的主要作用是为每个请求创建一个数据库会话，并且确保这个会话在整个请求期间都是唯一的。这样，我们就可以在不同的函数中使用同一个会话，从而避免了在不同函数中反复创建会话的麻烦。

📌 declarative_base()

declarative_base() 是 SQLAlchemy 中提供的一个函数，用于创建一个基类，然后通过继承这个基类来定义数据表模型。它可以让我们更加方便地定义数据表模型，而不需要关注底层的SQL语句。具体作用：

• 自动创建对应的数据表：我们定义了数据表模型之后，可以调用 create_all() 方法来创建对应的数据表。
• 自动映射数据表和类属性：我们只需要定义类属性，SQLAlchemy 可以自动将这些属性映射到对应的数据表字段。
• 提供了更加易读易懂的代码：使用 declarative_base() 可以让我们更加方便地定义类，使代码更加清晰易读。

3 创建模型

接下来便是创建和数据表映射的数据库模型以及 Pydantic 模型，数据库模型用以对接数据表，Pydantic 模型则用来作为响应模型（response_model）及请求体。

3.1 建表SQL

以下是 DDL 语句，一共两个数据表，可直接拿来建表：

-- yinyu_db.items definition
CREATE TABLE `items` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `title` varchar(64) DEFAULT NULL,
  `description` varchar(64) DEFAULT NULL,
  `owner_id` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

-- yinyu_db.users definition
CREATE TABLE `users` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `phone` varchar(64) DEFAULT NULL,
  `hashed_password` varchar(64) DEFAULT NULL,
  `is_active` tinyint(1) DEFAULT '1',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;

3.2 数据库模型

涉及到文件 sql_app/models.py

具体代码如下 👇

from sqlalchemy import Boolean, Column, ForeignKey, Integer, String
from sqlalchemy.orm import relationship
#1.用Base类来创建 SQLAlchemy 模型
from .database import Base

class User(Base):
    __tablename__ = "users"
    #2.创建模型属性/列
    id = Column(Integer, primary_key=True, index=True)
    phone = Column(String, unique=True, index=True)
    hashed_password = Column(String)
    is_active = Column(Boolean, default=True)
    #3.创建关系
    items = relationship("Item", back_populates="owner")

class Item(Base):
    __tablename__ = "items"

    id = Column(Integer, primary_key=True, index=True)
    title = Column(String, index=True)
    description = Column(String, index=True)
    owner_id = Column(Integer, ForeignKey("users.id"))

    owner = relationship("User", back_populates="items")

📌 用 Base 类来创建 SQLAlchemy 模型

Base 类也就是数据库连接时的 declarative_base()，从 database（来自上面的 database.py 文件）导入 Base，那么它将自动映射数据表和类属性（原因在前边）。

📌 __tablename__

该属性是给模型映射的数据表的名称，比如 User 类的__tablename__ 为 users，那么它映射的数据表名即为 users。

📌 模型属性/列

比如：

    id = Column(Integer, primary_key=True, index=True)
    phone = Column(String, unique=True, index=True)
    hashed_password = Column(String)
    is_active = Column(Boolean, default=True)

Column 表示这些属性中的每一个都代表其相应数据库表中的一列，Column 中的第一个参数，如Integer、String 和 Boolean，它定义了数据库中的类型。

• primary_key=True 代表了 id 为主键；
• index=True 代表 id 列和 email 列为索引，以提高查询性能；
• unique=True 则是唯一约束，以确保在 email 列中的每个值都是唯一的；
• default=True 表示is_active 的默认值为 True。

📌 relationship 关系

class User(Base):
    __tablename__ = "users"
    ...

    items = relationship("Item", back_populates="owner")

class Item(Base):
    __tablename__ = "items"
    ...
    owner_id = Column(Integer, ForeignKey("users.id"))

    owner = relationship("User", back_populates="items")

这在 User 模型和 Item 模型之间定义了一个关系，使用 back_populates 参数建立了双向关系。具体来说，是在 User 模型中定义了一个名为 items 的属性，并在 Item 模型中定义了一个名为owner 的属性，这两个属性都与对方的模型相关联。

比如访问 User 中的属性 items 时，它将指向一个 Item 的 SQLAlchemy 模型列表（来自 items表），同时 Item 使用 ForeignKey("users.id") 来标记 owner_id 列为外键，并指定它与 User 模型中的 id 列相关联。

在使用 back_populates 参数时，需要注意以下几点：

• back_populates 参数必须在两个模型的关系属性中都使用，并且值必须互相对应；
• 如果您使用了 backref 参数来定义关系，那么可以使用 backref 替换 back_populates ；
• 如果您的模型之间有多个关系，那么需要使用不同的 back_populates 值来区分它们。

3.3 Pydantic 模型

涉及到文件 sql_app/schemas.py

具体代码如下 👇

from typing import List, Union

from pydantic import BaseModel

#1.创建一个 ItemBase 和 UserBase 的 Pydantic模型（或者我们说“schema”）
class ItemBase(BaseModel):
    title: str
    description: Union[str, None] = None

#2.ItemCreate 继承自 ItemBase，他们在创建或读取数据时具有共同的属性。
class ItemCreate(ItemBase):
    pass

#3.Item 继承自 ItemCreate，增加 id 和 owner_id 字段
class Item(ItemCreate):
    id: int
    owner_id: int

    class Config:
        orm_mode = True #使其包含关系字段

class UserBase(BaseModel):
    phone: str

#为了安全起见，password 不会出现在其他同类 Pydantic模型中，例如用户请求时不应该从 API 返回响应中包含它。
class UserCreate(UserBase): #字段名对不上会报错，所以单独搞个
    password: str

class User(UserBase):
    id: int
    is_active: bool
    items: List[Item] = []

    class Config:
        orm_mode = True

注意，SQLAlchemy 模型和 Pydantic 声明属性的方式不一样，前者是 = ，而后者是 ：。

📌 orm_mode

此类 Config 用于为 Pydantic 提供配置。

class Item(ItemCreate):
    id: int
    owner_id: int

    class Config:
        orm_mode = True #使其包含关系字段

Pydanticorm_mode 将告诉 Pydantic 模型读取数据，即它不是一个 dict，而是一个 ORM 模型。这样该 Pydantic 模型就会尝试从属性中获取它，如 id = data.id。

有了这个，Pydantic 模型与 ORM 兼容，您只需在路径操作 response_model 的参数中声明它，即可返回一个数据库模型，并从中读取数据。

SQLAlchemy 和许多其他默认情况下是“延迟加载”。这意味着，除非您尝试访问包含该数据的属性，否则它们不会从数据库中获取关系数据。

4 数据库操作 CRUD

涉及到文件 sql_app/crud.py，在此文件中，我们将编写可重用的函数用来与数据库中的数据进行交互。

CRUD 分别为：增加、查询、更改和删除，即增删改查。

4.1 查—读取数据

首先从 sqlalchemy.orm 中导入 Session，这将允许您声明 db 参数的类型，并在您的函数中进行更好的类型检查和完成。 然后导入之前的 models（SQLAlchemy 模型）和 schemas（Pydantic模型/模式）。

创建一些实用函数来完成：

from sqlalchemy.orm import Session

from . import models, schemas

#通过 ID 查询单个用户。
def get_user(db: Session, user_id: int):
    return db.query(models.User).filter(models.User.id == user_id).first()

#通过电子邮件查询单个用户。
def get_user_by_email(db: Session, email: str):
    return db.query(models.User).filter(models.User.email == email).first()

#查询多个用户
def get_users(db: Session, skip: int = 0, limit: int = 100):
    return db.query(models.User).offset(skip).limit(limit).all()

#查询多个项目
def get_items(db: Session, skip: int = 0, limit: int = 100):
    return db.query(models.Item).offset(skip).limit(limit).all()

4.2 增—创建数据

现在通过函数来创建数据，它的步骤是：

• 使用您的数据创建一个 SQLAlchemy 模型实例；
• 使用 add 来将该实例对象添加到您的数据库；
• 使用 commit 来对数据库的事务提交（以便保存它们）；
• 使用 refresh 来刷新您的数据库实例（以便它包含来自数据库的任何新数据，例如生成的 ID）。

def create_user(db: Session, user: schemas.UserCreate):
    fake_hashed_password = user.password + "notreallyhashed"
    db_user = models.User(email=user.email, hashed_password=fake_hashed_password)
    db.add(db_user)
    db.commit()
    db.refresh(db_user)
    return db_user

def create_user_item(db: Session, item: schemas.ItemCreate, user_id: int):
    db_item = models.Item(**item.dict(), owner_id=user_id)
    db.add(db_item)
    db.commit()
    db.refresh(db_item)
    return db_item

此示例不安全，因为密码未经过哈希处理，可以查看 Security 登录认证 内容进行完善。

4.3 改—修改数据

现在通过函数来修改数据，比如修改描述，它的步骤是：

• 使用 query 查找对应的实例对象，然后修改对应的字段；
• 使用 commit 来对数据库的事务提交（以便保存它们）；
• 使用 refresh 来刷新您的数据库实例（以便它包含来自数据库的任何新数据，例如生成的 ID）。

def update_item_desc_by_id(db: Session, id: int, desc: str):
    db_item = db.query(models.Item).filter_by(id=id).first()
    db_item.description = desc
    db.commit()
    db.refresh(db_item)
    return db_item

4.4 删—删除数据

现在通过函数来删除数据：

# 批量删除1
def delete_item_by_ownerId1(db: Session, owner_id: int):
    db.query(models.Item).filter_by(owner_id=owner_id).delete(synchronize_session=False)
    db.commit()
    return True

# 批量删除2
def delete_item_by_ownerId2(db: Session, owner_id: int):
    db_items = db.query(models.Item).filter_by(owner_id=owner_id).all()
    [db.delete(item) for item in db_items]
    db.commit()
    return True

5 接口创建及运行

5.1 接口创建

最后一步便是创建接口了，涉及到文件 sql_app/main.py，让我们集成和使用我们之前创建的所有其他部分：

from typing import List

from fastapi import Depends, FastAPI, HTTPException
from sqlalchemy.orm import Session

from sql_app import crud, models, schemas
from sql_app.database import SessionLocal, engine

#预先创建数据表
models.Base.metadata.create_all(bind=engine)

app = FastAPI()


# Dependency
def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()


@app.post("/users/", response_model=schemas.User)
def create_user(user: schemas.UserCreate, db: Session = Depends(get_db)):
    db_user = crud.get_user_by_email(db, phone=user.phone)
    if db_user:
        raise HTTPException(status_code=400, detail="Email already registered")
    return crud.create_user(db=db, user=user)


@app.get("/users/", response_model=List[schemas.User])
def read_users(skip: int = 0, limit: int = 100, db: Session = Depends(get_db)):
    users = crud.get_users(db, skip=skip, limit=limit)
    return users


@app.get("/users/{user_id}", response_model=schemas.User)
def read_user(user_id: int, db: Session = Depends(get_db)):
    db_user = crud.get_user_by_id(db, user_id=user_id)
    if db_user is None:
        raise HTTPException(status_code=404, detail="User not found")
    return db_user


@app.post("/users/{user_id}/items/", response_model=schemas.Item)
def create_item_for_user(
    user_id: int, item: schemas.ItemCreate, db: Session = Depends(get_db)
):
    return crud.create_user_item(db=db, item=item, user_id=user_id)


@app.get("/items/", response_model=List[schemas.Item])
def read_items(skip: int = 0, limit: int = 100, db: Session = Depends(get_db)):
    items = crud.get_items(db, skip=skip, limit=limit)
    return items


@app.put("/update_item/{item_id}/")
def update_item(item_id: int,desc: str, db: Session = Depends(get_db)):
    db_item = crud.update_item_desc_by_id(db, id=item_id, desc=desc)
    return db_item


@app.delete("/delete_item/{owner_id}/")
def delete_item(owner_id: int, db: Session = Depends(get_db)):
    result = crud.delete_item_by_ownerId2(db, owner_id=owner_id)
    return result


if __name__ == '__main__':
    import uvicorn
    uvicorn.run(app, host="127.0.0.1", port=8080)

这样，我们就可以直接从路径操作函数内部调用，如 crud.get_user 并使用该会话，来进行对数据库操作。

📌 get_db 创建依赖项

def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()

使用我们在 sql_app/database.py 文件中创建的 SessionLocal 来创建依赖项。 yield 的作用如该链接：tutorial/dependencies/dependencies-with-yield/

我们将 SessionLocal() 请求的创建和处理放在一个 try 块中。 然后我们在 finally 块中关闭它。 通过这种方式，我们确保数据库会话在请求后始终关闭。即使在处理请求时出现异常。

📌 Session

然后，当在路径操作函数中使用依赖项时，我们使用 Session，直接从 SQLAlchemy 导入的类型声明它。如：

db: Session = Depends(get_db)

这将为我们在路径操作函数中提供更好的编辑器支持，因为编辑器将知道 db 参数的类型 Session

一开始，编辑器并不真正知道提供了哪些方法。 但是通过将类型声明为Session，编辑器现在可以知道可用的方法（.add()、.query()、.commit()等）并且可以提供更好的支持。

📌 def 与 async def

本实例未使用 async def 异步，如需使用请参考：FastApi+sqlalchemy异步操作mysql

5.2 项目运行

此时项目已经构建完成了，我们只需要在 main.py 文件中运行即可，我是使用 main 方式启动，也可采用命令行的方式启动项目。

if __name__ == '__main__':
    import uvicorn
    uvicorn.run(app, host="127.0.0.1", port=8000)

启动成功 👇

打开浏览器进入 http://127.0.0.1:8080/docs#/ 👇

这样的话你可以直接与你的 FastAPI 应用程序交互，从真实数据库中读取数据：

📌 建表脚本

因为你需要与数据库进行交互，那么就要创建相应的数据表，以下是对应的建表脚本：

CREATE TABLE `items` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `title` varchar(64) DEFAULT NULL,
  `description` varchar(64) DEFAULT NULL,
  `owner_id` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8

CREATE TABLE `users` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `phone` varchar(64) DEFAULT NULL,
  `hashed_password` varchar(64) DEFAULT NULL,
  `is_active` tinyint(1) DEFAULT '1',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=latin1

📌 创建中间件

可以添加中间件（只是一个函数）将为每个请求创建一个新的 SQLAlchemy SessionLocal，将其添加到请求中，然后在请求完成后关闭它。

@app.middleware("http")
async def db_session_middleware(request: Request, call_next):
    response = Response("Internal server error", status_code=500)
    try:
        request.state.db = SessionLocal()
        response = await call_next(request)
    finally:
        request.state.db.close()
    return response

# Dependency
def get_db(request: Request):
    return request.state.db

request.state 是每个 Request 对象的属性。它用于存储附加到请求本身的任意对象，例如本例中的数据库会话。对于这种情况下，它帮助我们确保在所有请求中使用单个数据库会话，然后关闭。

使用 yield 依赖项与使用中间件，虽然效果类似，但也有一些区别：

• 中间件必须是一个 async 函数。
  • 如果其中有代码必须“等待”网络，它可能会在那里“阻止”您的应用程序并稍微降低性能。
  • 尽管这里的 SQLAlchemy 工作方式没问题，但是如果您向等待大量 I/O 的中间件添加更多代码，则可能会出现问题。
• 每个请求都会运行一个中间件。
  • 将为每个请求创建一个连接。
  • 即使处理该请求的路径操作不需要数据库。

yield 依赖项足以满足用例时，使用 yield 依赖项方法会更好。文章来源地址https://www.toymoban.com/news/detail-620484.html

到了这里，关于【Python开发】FastAPI 10：SQL 数据库操作的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！