ORM-Framework Flask-SQLAlchemy in Python in der Praxis
ORM (Object-Relational Mapping) ist eine Programmiertechnologie, die Tabellendaten in einer relationalen Datenbank Objekten in einer Programmiersprache zuordnet und es Programmentwicklern ermöglicht, die Datenbank objektorientiert zu betreiben. Flask-SQLAlchemy ist ein leistungsstarkes ORM-Framework, das den Betrieb von Python-Programmen auf relationalen Datenbanken erheblich vereinfachen kann.
In diesem Artikel wird die Verwendung des Flask-SQLAlchemy-Frameworks anhand eines Beispiels detailliert vorgestellt.
- Umgebungskonfiguration
Bevor wir Flask-SQLAlchemy lernen, müssen wir zuerst die Module Flask und SQLAlchemy installieren. Sie können es mit dem Befehl pip in der Python-Umgebung installieren.
pip install Flask
pip install SQLAlchemy
- Datenbankkonfiguration
Konfigurieren Sie die MySQL-Datenbank als dauerhaften Speicher des Projekts, übergeben Sie einfach die folgenden Parameter:
from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(__name__)
Erster Parameter: Flask-Anwendungsinstanz
Zweiter Parameter: Datenbankverbindungs-URI
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://root:password@ localhost: 3306/test'
Deaktivieren Sie die Option SQLALCHEMY_TRACK_MODIFICATIONS, um die Effizienz der Programmausführung zu verbessern
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
Initialisieren Sie das Datenbankobjekt
db = SQLAlchemy(app)
Rufen Sie zum Festlegen app.config auf up Flask-Konfigurationsparameter der Anwendungsinstanz, unter denen der Parameter SQLALCHEMY_DATABASE_URI verwendet wird, um den Typ der verbundenen Datenbank, den Benutzernamen, das Passwort, die IP-Adresse, die Portnummer, den Datenbanknamen und andere Informationen anzugeben.
- ORM-Implementierung
Definieren Sie das Datenmodell
Zuerst müssen wir das Datenmodell definieren, bei dem es sich um das ORM-Zuordnungsobjekt handelt. Hier nehmen wir Schülerinformationen als Beispiel, um eine Schülerklasse zu definieren:
aus Datum/Uhrzeit-Import datetime
from flask_sqlalchemy import SQLAlchemy
db = SQLAlchemy()
SQLAlchemy ORM-Designmodell
class Student(db.Model):
# 定义表名 __tablename__ = 'student' # 定义表结构,其中id为主键,自增长 id = db.Column(db.Integer, primary_key=True, autoincrement=True) name = db.Column(db.String(20), nullable=False) gender = db.Column(db.String(2), nullable=False) birthday = db.Column(db.Date, default=datetime.now()) address = db.Column(db.String(200), nullable=False) # 类对象序列化成字典 def to_dict(self): return {c.name: getattr(self, c.name, None) for c in self.__table__.columns}
In der Student-Klasse definieren wir die Tabellenstrukturen von __tablename__, id, name, gender , Geburtstag, Adresse . Unter diesen wird __tablename__ verwendet, um den Tabellennamen anzugeben, id wird verwendet, um den Primärschlüssel anzugeben und automatisch zu wachsen, und die Felder Name, Geschlecht, Geburtstag und Adresse werden zum Speichern von Informationen über den Namen, das Geschlecht, den Geburtstag usw. des Schülers verwendet Adresse.
Vorgänge zum Hinzufügen, Löschen, Ändern und Abfragen
Als nächstes implementieren wir die Vorgänge zum Hinzufügen, Löschen, Ändern und Abfragen:
(1) Schülerinformationen hinzufügen
@app.route('/add', method=[' POST'])
def add_student( ):
student = Student() student.name = request.form.get('name') student.gender = request.form.get('gender') student.birthday = datetime.strptime(request.form.get('birthday'), '%Y-%m-%d').date() student.address = request.form.get('address') db.session.add(student) db.session.commit() return jsonify({'code': 200, 'msg': 'add student success.'})
Erstens die übermittelten Formulardaten über request.form.get() abrufen, dann das Student-Objekt erstellen und den Eigenschaftswert festlegen und schließlich das Objekt über db zur Datenbank hinzufügen. session.add() und übergeben Sie db.session(), um die Transaktion festzuschreiben.
(2) Schülerinformationen löschen
@app.route('/delete/
def delete_student(id):
student = Student.query.get(id) if student: db.session.delete(student) db.session.commit() return jsonify({'code': 200, 'msg': 'delete student success.'}) else: return jsonify({'code': 404, 'msg': 'student not found.'})
Übergeben Sie den Studenten-ID-Parameter , Rufen Sie die Studenteninstanz über die Methode query.get() ab, löschen Sie sie mit der Methode db.session.delete() aus der Datenbank und senden Sie die Transaktion über db.session.commit().
(3) Schülerinformationen ändern
@app.route('/update/
def update_student(id):
student = Student.query.get(id) if student: student.name = request.form.get('name') student.gender = request.form.get('gender') student.birthday = datetime.strptime(request.form.get('birthday'), '%Y-%m-%d').date() student.address = request.form.get('address') db.session.commit() return jsonify({'code': 200, 'msg': 'update student success.'}) else: return jsonify({'code': 404, 'msg': 'student not found.'})
Auch basierend auf dem Schüler ID-Parameter Rufen Sie die Studenteninstanz ab und verwenden Sie nach dem Ändern der Studenteninformationen db.session.commit(), um die Transaktion zu übermitteln.
(4) Schülerinformationen abfragen
@app.route('/search')
def search_student():
students = Student.query.all() if students: return jsonify({'code': 200, 'msg': 'search student success.', 'data': [student.to_dict() for student in students]}) else: return jsonify({'code': 404, 'msg': 'student not found.'})
Verwenden Sie die Methode query.all(), um alle Schülerinformationen in der Schülertabelle abzufragen, und nutzen Sie das Listenverständnis Konvertieren Sie die Liste der Schülerobjekte in eine Wörterbuchliste und geben Sie sie zurück.
- Zusammenfassung
Flask-SQLAlchemy ist ein sehr leistungsfähiges ORM-Framework, das das Schreiben von Datenbankoperationscodes in Python einfacher und leichter lesbar machen kann. Dieser Artikel bietet anhand eines Beispiels eine ausführliche Einführung in die Verwendung von Flask-SQLAlchemy.
In der tatsächlichen Entwicklung können wir das Datenmodell definieren und Hinzufügungs-, Lösch-, Änderungs- und Abfragevorgänge auf ähnliche Weise wie in diesem Artikel implementieren. Die Komplexität dieser Vorgänge ist sehr gering. Durch die Verwendung des Flask-SQLAlchemy-Frameworks können wir die Entwicklungseffizienz verbessern und die Programmwartungskosten senken.
Das obige ist der detaillierte Inhalt vonORM-Framework Flask-SQLAlchemy in Python in der Praxis. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Effizientes Training von Pytorch -Modellen auf CentOS -Systemen erfordert Schritte, und dieser Artikel bietet detaillierte Anleitungen. 1.. Es wird empfohlen, YUM oder DNF zu verwenden, um Python 3 und Upgrade PIP zu installieren: Sudoyumupdatepython3 (oder sudodnfupdatepython3), PIP3Install-upgradepip. CUDA und CUDNN (GPU -Beschleunigung): Wenn Sie Nvidiagpu verwenden, müssen Sie Cudatool installieren

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Bei der Auswahl einer Pytorch -Version unter CentOS müssen die folgenden Schlüsselfaktoren berücksichtigt werden: 1. Cuda -Version Kompatibilität GPU -Unterstützung: Wenn Sie NVIDIA -GPU haben und die GPU -Beschleunigung verwenden möchten, müssen Sie Pytorch auswählen, der die entsprechende CUDA -Version unterstützt. Sie können die CUDA-Version anzeigen, die unterstützt wird, indem Sie den Befehl nvidia-smi ausführen. CPU -Version: Wenn Sie keine GPU haben oder keine GPU verwenden möchten, können Sie eine CPU -Version von Pytorch auswählen. 2. Python Version Pytorch

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
