python好用的orm_Python轻量级ORM -- Peewee 笔记（一）

再识ORM

Peewee是一个轻量级Python``ORM库。对于我，对ORM的经历了反反复复的爱恨交织过程。最早对其神奇之处的十分感叹；而后又鄙视其生成sql方式；如今，适时适当的在项目中使用ORM。

归根结底，对ORM态度的转变，源于对其认识的不足。最早接触ORM源自Django自带的ORM，用起来很爽。当时对sql并不熟悉，ORM了却了心头一大痛点。后来使用flask，没有自带的ORM，接触了sqlalchemy，也是一个很优秀的ORM。当时，我对于ORM的认识还是很浅薄，大概就认为ORM一个是数据库对象的map，其次就是能够生成sql查询。至于如何map，如何生成，如何执行等，基本上处于认知上的蛮荒时代。

直到为了学习Python的元类，并尝试写自己的ORM，才算是对ORM有一个完整的认识。以前的认识可以称之为对其原理和使用方式上的纠结。不明其根本原理，使用也一知半解。现在的认识更多源于工程哲学上方面。使用程序人生的一篇文章软件随想录：代码与数据对ORM工程上的总结如下：

我们用 ORM，或者 LINQ，而尽量减少 SQL 的使用，是因为我们通过把SQL这种嵌在代码里的字符串数据，转化成了代码，也就意味着我们拥有了编译时或者运行时的检查，乃至编辑时的检查 —— 各种 linter 很难检测出字符串中的SQL语法或者语义错误，但可以在你撰写 ORM代码时便提示你其中蕴含的语法/语义错误。这是非常伟大的一个进步 —— 对于软件工程来说，越早发现错误，消弭错误所花费的时间就越短。

诚然，ORM是数据层中的更高的抽象，在工程上，抽象程度越高，对于扩展和维护将会更有利。当然，ORM常被人诟病的一大理由就是程式生成的SQL没有原生的高效。的确，对于复杂的SQL语句，使用ORM的组合可能比原生的sql更不可读或者不可维护。此时，我们就需要在项目中继续使用raw sql的形式。

因此，在项目中使用数据层的抽象，ORM最好具备以下几个方面特性：

ORM和数据库可以相互独立存在，ORM可以选择是否引入关系约束。即数据库的字段可以大于ORM中定义的map，有的orm数据表字段和orm中的class必须一直，这就在已经在的表中引入orm会有点棘手。

ORM具备提供raw sql的功能。这样在orm无法方便提供查询的时候可以使用原生的sql解决问题。

ORM提供生成数据表和根据数据表生成model的特性。这样就在数据的merge时候方便的操作。

基于上述几点，发现Python的peewee基本满足我的要求。下面就peewee的简单使用方式做一个说明。例子主要取自官网的Quickstart。

分为两个部分，第一部分为基本使用，第二部分为整合到项目(以tornado)为例。

Peewee 快速开始

快速开始部分根据官网的文档为例子。

定义数据模型

顾名思义，ORM为数据对象关系的映射。首先我们需要定义数据模型(model)。新建一个文件learn_peewee.py。

import logging

from peewee import MySQLDatabase, Model, CharField, DateField, BooleanField, IntegerField

logger = logging.getLogger('peewee')

logger.setLevel(logging.DEBUG)

logger.addHandler(logging.StreamHandler())

db = MySQLDatabase('test', host='127.0.0.1', user='root', passwd='', charset='utf8', port=3306)

class BaseModel(Model):

class Meta:

database = db

class Person(BaseModel):

name = CharField(verbose_name='姓名', max_length=10, null=False, index=True)

passwd = CharField(verbose_name='密码', max_length=20, null=False, default='123456')

email = CharField(verbose_name='邮件', max_length=50, null=True, unique=True)

gender = IntegerField(verbose_name='姓别', null=False, default=1)

birthday = DateField(verbose_name='生日', null=True, default=None)

is_admin = BooleanField(verbose_name='是否是管理员', default=True)

为了更好的测试学习，把log打开。首先，使用MySQLDatabase指定了所连接的数据库test。

然后定义了Person这个表的数据字段，如果不指定主键，peewee会自动帮我们创建一个id的字段作为主键。每一个Field都有几个参数可以配置，大概就是长度的大小，是否为空(null)和默认值(default)，索引(index)和唯一索引(unique)几个常见的数据库选项。

创建数据表

定义好数据模型之后，下一步就是根据模型创建数据表了。

In [1]: from learn_peewee import *

In [2]: db

Out[2]:

In [3]: db.is_closed()

Out[3]: True

In [4]: db.connect()

In [6]: db.is_closed()

Out[6]: False

导入定义的数据库配置和数据模型。然后通过db.is_closed函数查看数据库的连接状态，使用db.connect函数创建连接。

☁ peewee-orm netstat -ant | grep -i 3306

tcp4 0 0 127.0.0.1.3306 127.0.0.1.61925 ESTABLISHED

tcp4 0 0 127.0.0.1.61925 127.0.0.1.3306 ESTABLISHED

tcp46 0 0 *.3306 *.* LISTEN

此时确实也能看见mysql的连接创建了。接下来就能创建数据表啦。使用模型的create_table方法。

In [5]: Person.sqlall()

Out[5]:

('CREATE TABLE `person` (`id` INTEGER AUTO_INCREMENT NOT NULL PRIMARY KEY, `name` VARCHAR(10) NOT NULL, `passwd` VARCHAR(20) NOT NULL, `email` VARCHAR(50), `gender` INTEGER NOT NULL, `birthday` DATE, `is_admin` BOOL NOT NULL)', [])

('CREATE INDEX `person_name` ON `person` (`name`)', [])

('CREATE UNIQUE INDEX `person_email` ON `person` (`email`)', [])

In [6]: Person.create_table()

('CREATE TABLE `person` (`id` INTEGER AUTO_INCREMENT NOT NULL PRIMARY KEY, `name` VARCHAR(10) NOT NULL, `passwd` VARCHAR(20) NOT NULL, `email` VARCHAR(50), `gender` INTEGER NOT NULL, `birthday` DATE, `is_admin` BOOL NOT NULL)', [])

('CREATE INDEX `person_name` ON `person` (`name`)', [])

('CREATE UNIQUE INDEX `person_email` ON `person` (`email`)', [])

通过sqlall方法可以看见peewee为我们生成的创建表的sql语句。执行的时候，log也显示了将要执行的sql。

如果数据表已经存在，执行create_table的时候，将会抛出异常。

default的含义

通过查看上面创建数据表的sql可以发现，default的行为很古怪。查看数据库的schema，所谓的数据表的defalut并不是我们在class中指定的。对于可以为null的字段。生成的schema中的字段的默认值为null，对于非null的字段，生成的默认值为其初始值(零值)，即CharField(varchar)为空字串。InterFiled(int)则为0。

那么指定default的含义有什么用呢？default用于使用orm插入数据的时候，如果没有显示的给字段赋值，那么就会采用default指定的值。使用 create方法插入记录，使用save方法更新记录。

In [2]: p = Person.create(name='master')

('INSERT INTO `person` (`name`, `passwd`, `gender`, `is_admin`) VALUES (%s, %s, %s, %s)', [u'master', u'123456', 1, True])

In [3]: p.save()

('UPDATE `person` SET `name` = %s, `passwd` = %s, `gender` = %s, `is_admin` = %s WHERE (`person`.`id` = %s)', [u'master', u'123456', 1, True, 3])

Out[3]: 0L

可以看到，我们只指定了name字段的值，因为passwd和gender还有is_admin字段都指定default，此时插入的时候，就使用了默认的值。调用save方法的时候，执行是update语句，因此也同样执行了默认值。而没有指定默认值的字段，peewee则直接忽略。

In [4]: p.email = 'master@g.com'

In [5]: p.save()

('UPDATE `person` SET `name` = %s, `passwd` = %s, `email` = %s, `gender` = %s, `is_admin` = %s WHERE (`person`.`id` = %s)', [u'master', u'123456', u'master@g.com', 1, True, 3])

Out[5]: 1L

In [8]: p.passwd = '11'

In [9]: p.save()

('UPDATE `person` SET `name` = %s, `passwd` = %s, `email` = %s, `gender` = %s, `is_admin` = %s WHERE (`person`.`id` = %s)', [None, u'11', u'master@g.com', 1, True, 3])

Out[9]: 1L

In [8]: p = Person.get(id=1)

('SELECT `t1`.`id`, `t1`.`name`, `t1`.`passwd`, `t1`.`email`, `t1`.`gender`, `t1`.`birthday`, `t1`.`is_admin` FROM `person` AS t1 WHERE (`t1`.`id` = %s) LIMIT 1 OFFSET 0', [1])

In [9]: p.save()

('UPDATE `person` SET `name` = %s, `passwd` = %s, `email` = %s, `gender` = %s, `birthday` = %s, `is_admin` = %s WHERE (`person`.`id` = %s)', [u'master', u'11', u'master@g.com', 1, None, True, 1])

Out[9]: 0L

有默认值的字段，如果指定了值，就使用所赋的值。新读的数据，就不用考虑默认值了，如果读取的值没有变，更新的时候就依然采用这个值，与default值没有关系。

总结

default的设置与创建数据表的schema没有关系。仅与插入的时候有关系。

插入的时候，如果字段设置了default值，则会按照default指定的值插入，如果没有指定，同时字段可以为null，则数据库自动初始化值为null，如果字段不能为null，则数据库自动初始化为其零值。

最佳实践，如果字段为非Null，最好设置default值，同时数据库schema也设置其default值，如果字段为可以为null，那么初始值就设置为null即可。

快速认识了Peewee，接下来讨论peewee更强大的功能，例如定义关系和增删改查。