Websauna项目教程:创建你的第一个数据模型
前言
在Websauna框架中,数据模型是构建Web应用的核心部分。本教程将指导你如何在Websauna项目中创建第一个数据模型,特别是一个投票系统的数据模型。通过这个实例,你将学习到Websauna中模型定义、数据库迁移等关键概念。
模型基础
在Websauna中,模型使用SQLAlchemy进行定义。SQLAlchemy是一个强大的Python ORM(对象关系映射)工具,它允许你使用Python类来表示数据库表。
创建投票模型
我们将创建一个简单的投票系统,包含两个主要模型:
- Question(问题):表示投票的问题
- Choice(选项):表示每个问题的可选答案
在你的models.py文件中添加以下代码:
from uuid import uuid4
from sqlalchemy import Column, String, Integer, ForeignKey
from websauna.system.model.columns import UUID
from sqlalchemy.orm import relationship
from websauna.system.model.meta import Base
from websauna.system.model.columns import UTCDateTime
class Question(Base):
"""表示投票问题的模型"""
__tablename__ = "question" # 数据库表名
# 主键字段
id = Column(Integer, autoincrement=True, primary_key=True)
# 公开使用的UUID,比自增ID更安全
uuid = Column(UUID(as_uuid=True), default=uuid4)
# 问题文本
question_text = Column(String(256), default=None)
# 发布时间(UTC时间)
published_at = Column(UTCDateTime, default=None)
# 与Choice模型的一对多关系
choices = relationship("Choice",
back_populates="question",
lazy="dynamic",
cascade="all, delete-orphan",
single_parent=True)
class Choice(Base):
"""表示投票选项的模型"""
__tablename__ = "choice" # 数据库表名
# 主键字段
id = Column(Integer, autoincrement=True, primary_key=True)
# 公开使用的UUID
uuid = Column(UUID(as_uuid=True), default=uuid4)
# 选项文本
choice_text = Column(String(256), default=None)
# 投票计数
votes = Column(Integer, default=0)
# 外键关联到Question
question_id = Column(Integer, ForeignKey('question.id'))
question = relationship("Question", back_populates="choices")
关键点解析
-
Base类:所有模型都继承自
websauna.system.model.meta.Base,这是Websauna提供的默认模型基类。 -
UUID字段:我们使用UUID而不是自增ID作为公开标识符,这提高了安全性,防止恶意用户猜测ID。
-
时间处理:
UTCDateTime确保所有时间都以UTC格式存储,避免了时区相关的问题。 -
关系定义:我们定义了Question和Choice之间的一对多关系,并配置了级联删除等行为。
数据库迁移
仅仅定义Python模型是不够的,我们还需要将这些变更应用到数据库中。这个过程称为数据库迁移。
为什么需要迁移
当你尝试启动开发服务器时,Websauna的完整性检查会发现数据库结构与模型定义不匹配,导致启动失败。这是Websauna的安全机制,防止你使用不一致的数据库结构。
创建迁移脚本
执行以下命令创建迁移脚本:
ws-alembic -c company/application/conf/development.ini revision --auto -m "Added choices and questions"
这个命令会分析模型与数据库的差异,并生成一个迁移脚本。Websauna使用Alembic来管理数据库迁移。
应用迁移
创建迁移脚本后,执行以下命令将变更应用到数据库:
ws-alembic -c company/application/conf/development.ini upgrade head
注意:PostgreSQL的迁移是事务性的,这意味着整个迁移要么完全成功,要么完全失败。这为迁移过程提供了额外的安全保障。
验证结果
迁移完成后,你可以使用数据库命令行工具检查新创建的表:
ws-db-shell
在数据库shell中,你可以看到新创建的question和choice表。
最佳实践
-
小步迁移:每次只做少量模型变更,然后生成并测试迁移脚本。
-
描述性消息:为每个迁移提供清晰的描述信息,方便日后维护。
-
测试环境验证:在应用到生产环境前,先在测试环境中验证迁移。
-
备份:执行重要迁移前,确保有数据库备份。
总结
通过本教程,你学会了:
- 如何在Websauna中定义数据模型
- 模型间关系的配置方法
- 数据库迁移的基本流程
- 模型设计中的安全考虑(如使用UUID)
这些知识为你构建更复杂的Websauna应用打下了坚实基础。在后续教程中,我们将学习如何为这些模型创建视图和表单,实现完整的投票功能。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00