SQLAlchemy-TiDB 连接指南
2024-08-07 15:11:26作者:舒璇辛Bertina
1. 项目介绍
sqlalchemy-tidb 是一个专门为 SQLAlchemy 框架添加对 TiDB 数据库支持的项目。TiDB 是一款高度兼容 MySQL 的分布式数据库,而 SQLAlchemy 则是 Python 中流行的 SQL 工具包和对象关系映射(ORM)框架。通过这个项目,开发者可以在 Python 应用中使用 SQLAlchemy 无缝地连接和操作 TiDB 数据库。
支持版本
- TiDB: 4.x 及更高
- SQLAlchemy: 1.4.x 及更高
- Python: 3.6 及更高
2. 项目快速启动
要安装 sqlalchemy-tidb,可以使用 pip 安装最新的开发版本:
pip install git+https://github.com/pingcap/sqlalchemy-tidb.git@main
在你的 Python 应用中,你可以这样连接到数据库:
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
# TiDB 连接 URL 示例
URL = 'mysql+pymysql://username:password@localhost:4000/test'
# 创建数据库引擎
engine = create_engine(URL)
# 初始化 Session 类
Session = sessionmaker(bind=engine)
# 创建会话实例
session = Session()
# 执行 SQL 查询
result = session.execute('SELECT * FROM table_name')
# 处理查询结果
for row in result:
print(row)
# 关闭会话
session.close()
3. 应用案例与最佳实践
使用 SQLAlchemy ORM
from sqlalchemy import Column, Integer, String, MetaData, Table
from sqlalchemy.ext.declarative import declarative_base
Base = declarative_base()
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String(50))
email = Column(String(120))
# 创建表
Base.metadata.create_all(engine)
# 插入数据
new_user = User(id=1, name='John', email='john@example.com')
session.add(new_user)
session.commit()
# 查询数据
users = session.query(User).all()
for user in users:
print(user.name, user.email)
使用 SQLAlchemy Core
from sqlalchemy import create_engine, MetaData, Table
# 获取元数据对象
metadata = MetaData()
# 加载已有表
users = Table('users', metadata, autoload_with=engine)
# 执行 SQL 查询
query = users.select().where(users.c.email == 'john@example.com')
result = engine.execute(query)
# 处理查询结果
for row in result:
print(row['name'])
4. 典型生态项目
- PyMySQL: 用于 Python 连接 MySQL 的库,也是 SQLAlchemy-TiDB 的底层实现之一。
- mysqlclient: 另一个常用的 Python MySQL 连接器,也与 SQLAlchemy 兼容。
- Django: 一个流行且强大的 Web 开发框架,支持 SQLAlchemy 作为 ORM 选项。
- Flask-SQLAlchemy: Flask 框架的一个扩展,提供了 SQLAlchemy 集成。
更多有关如何将 TiDB 集成到现有生态系统中的示例和最佳实践,可以在官方文档或社区论坛中找到。
本文档简要介绍了如何使用 SQLAlchemy-TiDB 连接和操作 TiDB 数据库,以及提供了一些基本的 ORM 和 Core API 示例。对于更深入的使用,建议查阅 SQLAlchemy 和 TiDB 的官方文档以获取更多信息。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137