• Flask的数据库连接池 DBUtils


    Flask是没有ORM的操作的,如果在flask中连接数据库有两种方式

    一、pymysql
    二、SQLAlchemy
                    是python操作数据库的以一个库,能够进行orm映射官网文档 sqlchemy
                    SQLAlchemy“采用简单的Python语言,为高效和高性能的数据库访问设计,实现了完整的企业级持久模型”。SQLAlchemy的理念是,SQL数据库的量级和性能重要于对象集合;而对象集合的抽象又重要于表和行。

    连接池原理:

     - BDUtils数据库链接池  
                    - 模式一:基于threaing.local实现为每一个线程创建一个连接,关闭是
                      伪关闭,当前线程可以重复
                    - 模式二:连接池原理
                            - 可以设置连接池中最大连接数    9
                            - 默认启动时,连接池中创建连接  5
                            
                            - 如果有三个线程来数据库中获取连接:
                                - 如果三个同时来的,一人给一个链接
                                - 如果一个一个来,有时间间隔,用一个链接就可以为三个线程提供服务
                                    - 说不准
                                        有可能:1个链接就可以为三个线程提供服务
                                        有可能:2个链接就可以为三个线程提供服务
                                        有可能:3个链接就可以为三个线程提供服务
                             PS、:maxshared在使用pymysql中均无用。链接数据库的模块:只有threadsafety>1的时候才有用

    为什么使用数据库连接池呢? 不用连接池有什么不好的地方呢?

    方式一、每次的操作都要链接数据库、链接次数过多,使用pymysql的话,你就是每次访问的时候都需要去进行连接数据库 ,而数据库连接池是连接好储存起来等待你去调用的

    pymysql连接:

    import pymysql
    from flask import Flask
     方式一:这种方式每次请求,反复创建数据库链接,多次链接数据库会非常耗时
    app = Flask(__name__) @app.route("/test/") def test(): print(333) conn = pymysql.connect(host="127.0.0.1",port=3306,user="root",password="zhaoyun",database="test1",charset="utf8") #进行数据库连接 cursor = conn.cursor() #创建游标 cursor.execute("select * from first_user where id=%s",[3,]) #查看信息 result = cursor.fetchall() #获取所有数据 print(result) cursor.close() #关闭连接  conn.close() return "执行成功" if __name__ == "__main__": app.run("127.0.0.1",9980,debug=True)

    连接池的作用:既让减少链接次数,也能支持并发

    需要导入DButils模块  基于DButils实现的数据库连接池有两种模式

    创建一个链接池,为所有线程提供连接,使用时来进行获取,使用完毕后在放回到连接池

      

    PS:假设最大链接数有10个,其实也就是一个列表,当你pop一个,人家会在append一个,链接池的所有的链接都是按照排队的这样的方式来链接的。

         链接池里所有的链接都能重复使用,共享的, 即实现了并发,又防止了链接次数太多

    连接池的数据:

    POOL = PooledDB(
        creator=pymysql,  # 使用链接数据库的模块
        maxconnections=6,  # 连接池允许的最大连接数,0和None表示不限制连接数
        mincached=2,  # 初始化时,链接池中至少创建的空闲的链接,0表示不创建
    
    
        maxcached=5,  # 链接池中最多闲置的链接,0和None不限制
        maxshared=3,  # 链接池中最多共享的链接数量,0和None表示全部共享。PS: 无用,因为pymysql和MySQLdb等模块的 threadsafety都为1,所有值无论设置为多少,_maxcached永远为0,所以永远是所有链接都共享。
        blocking=True,  # 连接池中如果没有可用连接后,是否阻塞等待。True,等待;False,不等待然后报错
        maxusage=None,  # 一个链接最多被重复使用的次数,None表示无限制
        setsession=[],  # 开始会话前执行的命令列表。如:["set datestyle to ...", "set time zone ..."]
        ping=0,
        # ping MySQL服务端,检查是否服务可用。# 如:0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
        host='127.0.0.1',
        port=3306,
        user='root',
        password='123',
        database='pooldb',
        charset='utf8'
    )

    我们使用连接池的时候需要进行你的连接池的参数上面就是需要的参数

    rom flask import Flask
    import pymysql
    from DBUtils.PooledDB import PooledDB  # 导入DBUtils数据库;连接池
    
    app = Flask(__name__)
    POOL = PooledDB(
        creator=pymysql,  # 使用链接数据库的模块
    
        host="127.0.0.1",
        port = 3306,
        user = "root",
        password = "zhaoyun",
        database = "test1",
        charset="utf8"
    )
    @app.route("/test/")
    def test():
        print(444)
        conn = POOL.connection()
        cursor = conn.cursor()
        cursor.execute("select * from first_user")
        result = cursor.fetchall()
        print(result)
        cursor.close()
        conn.close()  # 并不是真正意义的关闭 pymysql是关闭与数据库的连接 这个是把从连接池中拿到的连接放回去
    
        conn = POOL.connection()  #从连接池中拿连接
        cursor = conn.cursor()
        cursor.execute("select * from first_user")
        result = cursor.fetchall()
        cursor.close()
        conn.close()
        return "666"
    
    if __name__ == "__main__":
        app.run("127.0.0.1",9980,debug=True)

    连接池的诞生 让我们flask对数据库的使用更加便捷与快速了 提高了效率  

    数据库池内开放的连接 然后我们可以根据这些连接进行相连接 然后我们以后的使用 就要从这些连接中去拿

    import time
    import pymysql
    import threading
    from DBUtils.PooledDB import PooledDB, SharedDBConnection
    POOL = PooledDB(
        creator=pymysql,  # 使用链接数据库的模块
        maxconnections=6,  # 连接池允许的最大连接数,0和None表示不限制连接数
        mincached=2,  # 初始化时,链接池中至少创建的空闲的链接,0表示不创建
    
    
        maxcached=5,  # 链接池中最多闲置的链接,0和None不限制
        maxshared=3,  # 链接池中最多共享的链接数量,0和None表示全部共享。PS: 无用,因为pymysql和MySQLdb等模块的 threadsafety都为1,所有值无论设置为多少,_maxcached永远为0,所以永远是所有链接都共享。
        blocking=True,  # 连接池中如果没有可用连接后,是否阻塞等待。True,等待;False,不等待然后报错
        maxusage=None,  # 一个链接最多被重复使用的次数,None表示无限制
        setsession=[],  # 开始会话前执行的命令列表。如:["set datestyle to ...", "set time zone ..."]
        ping=0,
        # ping MySQL服务端,检查是否服务可用。# 如:0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
        host='127.0.0.1',
        port=3306,
        user='root',
        password='123',
        database='pooldb',
        charset='utf8'
    )
    
    
    def func():
        # 检测当前正在运行连接数的是否小于最大链接数,如果不小于则:等待或报raise TooManyConnections异常
        # 否则
        # 则优先去初始化时创建的链接中获取链接 SteadyDBConnection。
        # 然后将SteadyDBConnection对象封装到PooledDedicatedDBConnection中并返回。
        # 如果最开始创建的链接没有链接,则去创建一个SteadyDBConnection对象,再封装到PooledDedicatedDBConnection中并返回。
        # 一旦关闭链接后,连接就返回到连接池让后续线程继续使用。
    
        # PooledDedicatedDBConnection
        conn = POOL.connection()
    
        # print(th, '链接被拿走了', conn1._con)
        # print(th, '池子里目前有', pool._idle_cache, '
    ')
    
        cursor = conn.cursor()
        cursor.execute('select * from tb1')
        result = cursor.fetchall()
        conn.close()
    
    
    
    
    
        conn = POOL.connection()
    
        # print(th, '链接被拿走了', conn1._con)
        # print(th, '池子里目前有', pool._idle_cache, '
    ')
    
        cursor = conn.cursor()
        cursor.execute('select * from tb1')
        result = cursor.fetchall()
        conn.close()
    
    
    func()
  • 相关阅读:
    java获取服务器的ip和地址
    如何产生好的词向量
    谈谈评价指标中的宏平均和微平均
    在NLP中深度学习模型何时需要树形结构?
    Windows下MetaMap工具安装
    ML 感知机(Perceptrons)
    ML 神经网络 NeuralNetworks
    NLP-特征选择
    ML 逻辑回归 Logistic Regression
    ML 线性回归Linear Regression
  • 原文地址:https://www.cnblogs.com/zhaoyunlong/p/9606343.html
Copyright © 2020-2023  润新知