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-5.1GLM-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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00