SQLAlchemy 2.0.38版本发布:数据库ORM工具的重要更新
SQLAlchemy作为Python生态中最流行的SQL工具包和对象关系映射(ORM)工具之一,其2.0.38版本带来了一系列值得关注的改进和修复。SQLAlchemy提供了完整的SQL表达式语言和ORM功能,让开发者能够以Pythonic的方式操作数据库,同时保持对原生SQL的完全控制。
核心引擎改进
本次更新中,SQLAlchemy引擎部分修复了一个重要的事件处理问题。当开发者多次调用Engine.execution_options()方法并同时使用isolation_level等事件注册参数时,系统可能会因内部事件注册错误而崩溃。这一修复确保了在高并发环境下,数据库连接和事务处理的稳定性。
SQL表达式语言优化
SQL表达式语言方面有两个值得注意的改进:
-
并发访问安全性增强:重构了
FromClause的.c集合生成机制,使其能够安全地处理并发访问。这一改进特别影响了Oracle方言,因为它使用了模块级别的全局别名对象。现在,当多个线程同时访问同一个别名或子查询对象时,系统将更加稳定可靠。 -
IN表达式处理优化:修复了SQL组合中的一个缓存相关问题。当在
in_()表达式中使用None值时,系统现在能够正确处理"扩展绑定参数"逻辑,确保查询缓存机制正常工作。这对于使用IN操作符进行大量查询的应用来说,可以显著提升性能。
数据库方言改进
PostgreSQL增强
-
异步连接终止保护:在asyncpg驱动程序的连接终止过程中增加了额外的
asyncio.shield()调用,解决了在使用anyio并发库时可能出现的终止过程无法完成的问题。 -
事务隔离级别处理优化:调整了asyncpg连接包装器,当SQLAlchemy方言/包装器未设置隔离级别时,会向asyncpg发送
None值,而不是之前的硬编码read_committed。这使得asyncpg能够正确使用服务器级别的隔离级别设置,提供了更灵活的配置选项。
MariaDB/MySQL修复
修复了MySQL语句编译器在处理_mysql.Insert.on_duplicate_key_update()时的一个问题。现在,当传入ORM映射属性(如InstrumentedAttribute对象)作为键时,语句能够正确编译。这一改进使得使用ON DUPLICATE KEY UPDATE语法的ORM操作更加可靠。
SQLite调整
将aiosqlite方言的默认连接池从NullPool更改为AsyncAdaptedQueuePool。这一变更本应在2.0版本首次发布时就完成,与pysqlite方言的类似更改保持一致。新的连接池策略能够更好地管理异步连接,提高资源利用率。
总结
SQLAlchemy 2.0.38版本虽然是一个小版本更新,但包含了多个重要的稳定性和功能性改进。从核心引擎的事件处理修复,到各数据库方言的优化,这些变化都体现了SQLAlchemy团队对产品质量的持续关注。对于使用SQLAlchemy的开发团队来说,升级到这个版本将获得更稳定的数据库操作体验,特别是在高并发场景和使用特定数据库功能时。
作为Python生态中数据库访问的事实标准,SQLAlchemy的每一次更新都值得开发者关注。2.0.38版本的这些改进进一步巩固了它作为企业级数据库工具的地位,为开发者提供了更强大、更可靠的数据库操作能力。
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