Piccolo ORM 实现表级别操作监控的技术方案
2025-07-10 09:09:28作者:裘晴惠Vivianne
在数据库应用开发中,对数据表操作的监控和审计是一个常见需求。本文将介绍如何在Piccolo ORM框架中实现类似Rails ActiveRecord的回调机制,通过表级别的操作监控来记录数据变更历史。
核心实现原理
Piccolo ORM本身提供了查询操作的回调机制,但对于创建、更新和删除操作,需要通过重写表方法来实现监控功能。核心思路是创建一个基础表类,重写其save和remove方法,在这些方法中嵌入监控逻辑。
监控表设计
首先需要设计一个监控日志表,用于记录所有操作的历史:
class ActionType(str, Enum):
CREATE = "CREATE"
UPDATE = "UPDATE"
DELETE = "DELETE"
class Monitor(Table, db=DB):
action_time = Timestamp()
action_type = Varchar(choices=ActionType)
table_name = Varchar()
row_id = Integer()
history = JSON()
这个表结构包含了操作时间、操作类型、表名、行ID和历史数据快照,能够完整记录每一次数据变更。
基础表类的实现
创建一个基础表类BaseTable,所有需要监控的表都继承自这个类:
class BaseTable(Table, db=DB):
__monitor__ = False # 监控开关
def save(self, columns=None):
# 重写save方法实现创建和更新监控
pass
def remove(self):
# 重写remove方法实现删除监控
pass
监控逻辑的实现
在基础表类中,我们需要实现具体的监控逻辑:
- 保存操作监控:区分创建和更新操作
async def run(self, *args, **kwargs):
saved = await save_(columns=columns).run(*args, **kwargs)
if monitor:
if isinstance(pk, Unquoted): # 创建操作
await Monitor.record_save_action(table, saved[0]["id"])
else: # 更新操作
await Monitor.record_patch_action(table, pk)
- 删除操作监控:
async def run(self, *args, **kwargs):
await remove_().run(*args, **kwargs)
if monitor:
await Monitor.record_delete_action(table, row_id=pk)
实际应用示例
创建一个需要监控的表非常简单,只需继承BaseTable并设置监控开关:
class Manager(BaseTable, db=DB):
name = Varchar(length=100)
__monitor__ = True # 启用监控
使用时与普通Piccolo表完全一致,所有操作会自动记录到监控表中:
# 创建记录
await Manager(name="测试用户").save()
# 更新记录
manager = await Manager.objects().first()
manager.name = "修改后的名称"
await manager.save()
# 删除记录
await manager.remove()
监控数据查询
所有操作历史都存储在Monitor表中,可以方便地进行查询和分析:
# 查询所有监控记录
records = await Monitor.select().run()
技术优势
- 非侵入式设计:业务表无需修改原有逻辑,只需继承基础表类
- 完整历史记录:不仅记录操作类型,还保存了数据快照
- 性能影响小:监控操作异步执行,不影响主业务流程
- 灵活可控:通过
__monitor__开关控制是否启用监控
扩展思路
这种实现方式可以进一步扩展:
- 增加操作人记录,实现完整的审计追踪
- 添加操作原因字段,记录变更背景
- 实现数据版本控制,支持回滚到任意版本
- 集成到管理后台,提供可视化操作历史
通过这种表级别操作监控的实现,Piccolo ORM应用可以获得类似Rails ActiveRecord的回调功能,为数据安全和审计需求提供了可靠保障。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
503
609
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
391
285
暂无简介
Dart
905
218
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108