Flask系列（三）蓝图、基于DButils实现数据库链接池、上下文管理
知识点回顾
一、子类继承父类的三种方式html
class Dog(Animal): #子类 派生类 def __init__(self,name,breed, life_value,aggr): # Animal.__init__(self,name,breed, life_value,aggr)#让子类执行父类的方法 就是父类名.方法名（参数），连self都得传 super().__init__(name,life_value,aggr) #super关键字 ，都不用传self了，在新式类里的 # super(Dog,self).__init__(name,life_value,aggr) #上面super是简写 self.breed = breed def bite(self,person): #狗的派生方法 person.life_value -= self.aggr def eat(self): #父类方法的重写 super().eat() print('dog is eating')
二、对象经过索引设置值得三种方式python
方式1、重写__setitem__方法mysql
class Foo(object): def __setitem__(self, key, value): print(key,value) obj = Foo() obj["xxx"] = 123 #给对象赋值就会去执行__setitem__方法
方式2、继承dictsql
class Foo(dict): pass obj = Foo() obj["xxx"] = 123 print(obj)
方式三：继承dict，重写__init__方法时，记得要继承父类的__init__方法数据库
class Foo(dict): def __init__(self,val): # dict.__init__(self, val)#继承父类方式一 # super().__init__(val) #继承父类方式二 super(Foo,self).__init__(val)#继承父类方式三 obj = Foo({"xxx":123}) print(obj)
总结：若是遇到obj[‘xxx’] = xx,django
- 重写了__setitem__方法flask
- 继承dictsession
三、测试__name__方法多线程
示例：并发
app1中： import app2 print('app1', __name__) app2中： print('app2', __name__)
如今app1是主程序，运行结果截图
总结：
若是是在本身的模块中运行，__name__就是__main__，若是是从别的文件中导入进来的，就不是__main__了
1、设置配置文件的几种方式
==========方式一：============ app.config['SESSION_COOKIE_NAME'] = 'session_lvning' #这种方式要把全部的配置都放在一个文件夹里面，看起来会比较乱，因此选择下面的方式 ==========方式二：============== app.config.from_pyfile('settings.py') #找到配置文件路径，建立一个模块，打开文件，并获取全部的内容，再将配置文件中的全部值，都封装到上一步建立的配置文件模板中 print(app.config.get("CCC")) =========方式三：对象的方式============ import os os.environ['FLAKS-SETTINGS'] = 'settings.py' app.config.from_envvar('FLAKS-SETTINGS') ===============方式四（推荐）：字符串的方式，方便操做，不用去改配置，直接改变字符串就好了 ============== app.config.from_object('settings.DevConfig') ----------settings.DevConfig---------- from app import app class BaseConfig(object): NNN = 123 #注意是大写 SESSION_COOKIE_NAME = "session_sss" class TestConfig(BaseConfig): DB = "127.0.0.1" class DevConfig(BaseConfig): DB = "52.5.7.5" class ProConfig(BaseConfig): DB = "55.4.22.4"
要想在视图函数中获取配置文件的值，都是经过app.config来拿。可是若是视图函数和Flask建立的对象app不在一个模块。就得
导入来拿。能够不用导入，。直接导入一个current_app，这个就是当前的app对象，用current_app.config就能查看到了当前app的全部的配置文件
from flask import Flask,current_app
@app.route('/index',methods=["GET","POST"]) def index(): print(current_app.config) #当前的app的全部配置 session["xx"] = "fdvbn" return "index"
2、蓝图（flask中多py文件拆分都要用到蓝图）
若是代码很是多，要进行归类。不一样的功能放在不一样的文件，吧相关的视图函数也放进去。蓝图也就是对flask的目录结构进行分配（应用于小，中型的程序），
一、小中型：
manage.py
import fcrm if __name__ == '__main__': fcrm.app.run()
__init__.py(只要导入fcrm就会执行__init__.py文件)
from flask import Flask #导入accout 和order from fcrm.views import accout from fcrm.views import order app = Flask(__name__) print(app.root_path) #根目录 app.register_blueprint(accout.accout) #吧蓝图注册到app里面，accout.accout是建立的蓝图对象 app.register_blueprint(order.order)
accout.py
from flask import Blueprint,render_template accout = Blueprint("accout",__name__) @accout.route('/accout') def xx(): return "accout" @accout.route("/login") def login(): return render_template("login.html")
order.py
from flask import Blueprint order = Blueprint("order",__name__) @order.route('/order') def register(): #注意视图函数的名字不能和蓝图对象的名字同样 return "order
使用蓝图时须要注意的
二、大型：
3、数据库链接池
flask中是没有ORM的，若是在flask里面链接数据库有两种方式
1：pymysql
2：SQLAlchemy
是python 操做数据库的一个库。可以进行 orm 映射官方文档 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。
一、链接池原理
- BDUtils数据库连接池 - 模式一：基于threaing.local实现为每个线程建立一个链接，关闭是 伪关闭，当前线程能够重复 - 模式二：链接池原理 - 能够设置链接池中最大链接数 9 - 默认启动时，链接池中建立链接 5 - 若是有三个线程来数据库中获取链接： - 若是三个同时来的，一人给一个连接 - 若是一个一个来，有时间间隔，用一个连接就能够为三个线程提供服务 - 说不许 有可能:1个连接就能够为三个线程提供服务 有可能:2个连接就能够为三个线程提供服务 有可能:3个连接就能够为三个线程提供服务 PS、：maxshared在使用pymysql中均无用。连接数据库的模块：只有threadsafety>1的时候才有用
二、pymysql方式实现链接池
方式1、每次操做都要连接数据库，连接次数过多
#!usr/bin/env python # -*- coding:utf-8 -*- import pymysql from flask import Flask app = Flask(__name__) # 方式一：这种方式每次请求，反复建立数据库连接，屡次连接数据库会很是耗时 # 解决办法：放在全局，单例模式 @app.route('/index') def index(): # 连接数据库 conn = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123', database='pooldb',charset='utf8') cursor = conn.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 获取数据 cursor.close() conn.close() # 关闭连接 print(result) return "执行成功" if __name__ == '__main__': app.run(debug=True)
方式2、不支持并发
#!usr/bin/env python # -*- coding:utf-8 -*- import pymysql from flask import Flask from threading import RLock app = Flask(__name__) CONN = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123', database='pooldb',charset='utf8') # 方式二：放在全局，若是是单线程，这样就能够，可是若是是多线程，就得加把锁。这样就成串行的了 # 不支持并发，也很差。全部咱们选择用数据库链接池 @app.route('/index') def index(): with RLock: cursor = CONN.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 获取数据 cursor.close() print(result) return "执行成功" if __name__ == '__main__': app.run(debug=True)
三、DButils模块使用
方式3、因为上面两种方案都不完美，因此得把方式一和方式二联合一下（既让减小连接次数，也能支持并发）全部了方式三，须要
导入一个DButils模块
基于DButils实现的数据库链接池有两种模式：
模式一：为每个线程建立一个连接（是基于本地线程来实现的。thread.local），每一个线程独立使用本身的数据库连接，该线程关闭不是真正的关闭，本线程再次调用时，仍是使用的最开始建立的连接，直到线程终止，数据库连接才关闭
注： 模式一：若是线程比较多仍是会建立不少链接，模式二更经常使用
#!usr/bin/env python # -*- coding:utf-8 -*- from flask import Flask app = Flask(__name__) from DBUtils.PersistentDB import PersistentDB import pymysql POOL = PersistentDB( creator=pymysql, # 使用连接数据库的模块 maxusage=None, # 一个连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 closeable=False, # 若是为False时， conn.close() 实际上被忽略，供下次使用，再线程关闭时，才会自动关闭连接。若是为True时， conn.close()则关闭连接，那么再次调用pool.connection时就会报错，由于已经真的关闭了链接（pool.steady_connection()能够获取一个新的连接） threadlocal=None, # 本线程独享值得对象，用于保存连接对象，若是连接对象被重置 host='127.0.0.1', port=3306, user='root', password='123', database='pooldb', charset='utf8' ) @app.route('/func') def func(): conn = POOL.connection() cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() cursor.close() conn.close() # 不是真的关闭，而是假的关闭。 conn = pymysql.connect() conn.close() conn = POOL.connection() cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() cursor.close() conn.close() if __name__ == '__main__': app.run(debug=True)
模式二：建立一个连接池，为全部线程提供链接，使用时来进行获取，使用完毕后在放回到链接池。
PS：假设最大连接数有10个，其实也就是一个列表，当你pop一个，人家会在append一个，连接池的全部的连接都是按照排队的这样的方式来连接的。
连接池里全部的连接都能重复使用，共享的， 即实现了并发，又防止了连接次数太多
import time import pymysql import threading from DBUtils.PooledDB import PooledDB, SharedDBConnection POOL = PooledDB( creator=pymysql, # 使用连接数据库的模块 maxconnections=6, # 链接池容许的最大链接数，0和None表示不限制链接数 mincached=2, # 初始化时，连接池中至少建立的空闲的连接，0表示不建立 maxcached=5, # 连接池中最多闲置的连接，0和None不限制 maxshared=3, # 连接池中最多共享的连接数量，0和None表示所有共享。PS: 无用，由于pymysql和MySQLdb等模块的 threadsafety都为1，全部值不管设置为多少，_maxcached永远为0，因此永远是全部连接都共享。 blocking=True, # 链接池中若是没有可用链接后，是否阻塞等待。True，等待；False，不等待而后报错 maxusage=None, # 一个连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(): # 检测当前正在运行链接数的是否小于最大连接数，若是不小于则：等待或报raise TooManyConnections异常 # 不然 # 则优先去初始化时建立的连接中获取连接 SteadyDBConnection。 # 而后将SteadyDBConnection对象封装到PooledDedicatedDBConnection中并返回。 # 若是最开始建立的连接没有连接，则去建立一个SteadyDBConnection对象，再封装到PooledDedicatedDBConnection中并返回。 # 一旦关闭连接后，链接就返回到链接池让后续线程继续使用。 # PooledDedicatedDBConnection conn = POOL.connection() # print(th, '连接被拿走了', conn1._con) # print(th, '池子里目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close() conn = POOL.connection() # print(th, '连接被拿走了', conn1._con) # print(th, '池子里目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close() func()
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
creator=pymysql, # 使用连接数据库的模块
maxconnections=20, # 链接池容许的最大链接数，0和None表示不限制链接数
mincached=2, # 初始化时，连接池中至少建立的空闲的连接，0表示不建立
maxcached=5, # 连接池中最多闲置的连接，0和None不限制
#maxshared=3, # 连接池中最多共享的连接数量，0和None表示所有共享。PS: 无用，由于pymysql和MySQLdb等模块的 threadsafety都为1，全部值不管设置为多少，_maxcached永远为0，因此永远是全部连接都共享。
blocking=True, # 链接池中若是没有可用链接后，是否阻塞等待。True，等待；False，不等待而后报错
maxusage=None, # 一个连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='192.168.11.38',
port=3306,
user='root',
passwd='apNXgF6RDitFtDQx',
db='m2day03db',
charset='utf8'
)
def connect():
# 建立链接
# conn = pymysql.connect(host='192.168.11.38', port=3306, user='root', passwd='apNXgF6RDitFtDQx', db='m2day03db')
conn = POOL.connection()
# 建立游标
cursor = conn.cursor(pymysql.cursors.DictCursor)
return conn,cursor
def close(conn,cursor):
# 关闭游标
cursor.close()
# 关闭链接
conn.close()
def fetch_one(sql,args):
conn,cursor = connect()
# 执行SQL，并返回收影响行数
effect_row = cursor.execute(sql,args)
result = cursor.fetchone()
close(conn,cursor)
return result
def fetch_all(sql,args):
conn, cursor = connect()
# 执行SQL，并返回收影响行数
cursor.execute(sql,args)
result = cursor.fetchall()
close(conn, cursor)
return result
def insert(sql,args):
"""
建立数据
:param sql: 含有占位符的SQL
:return:
"""
conn, cursor = connect()
# 执行SQL，并返回收影响行数
effect_row = cursor.execute(sql,args)
conn.commit()
close(conn, cursor)
def delete(sql,args):
"""
建立数据
:param sql: 含有占位符的SQL
:return:
"""
conn, cursor = connect()
# 执行SQL，并返回收影响行数
effect_row = cursor.execute(sql,args)
conn.commit()
close(conn, cursor)
return effect_row
def update(sql,args):
conn, cursor = connect()
# 执行SQL，并返回收影响行数
effect_row = cursor.execute(sql, args)
conn.commit()
close(conn, cursor)
return effect_row
4、本地线程
保证每一个线程都只有本身的一份数据，在操做时不会影响别人的，即便是多线程，本身的值也是互相隔离的
没用线程以前：
import threading import time class Foo(object): def __init__(self): self.name = None local_values = Foo() def func(num): time.sleep(2) local_values.name = num print(local_values.name,threading.current_thread().name) for i in range(5): th = threading.Thread(target=func, args=(i,), name='线程%s' % i) th.start()
打印结果：
1 线程1 0 线程0 2 线程2 3 线程3 4 线程4
用了本地线程以后
import threading import time # 本地线程对象 local_values = threading.local() def func(num): """ # 第一个线程进来，本地线程对象会为他建立一个 # 第二个线程进来，本地线程对象会为他建立一个 { 线程1的惟一标识：{name:1}, 线程2的惟一标识：{name:2}, } :param num: :return: """ local_values.name = num # 4 # 线程停下来了 time.sleep(2) # 第二个线程： local_values.name，去local_values中根据本身的惟一标识做为key，获取value中name对应的值 print(local_values.name, threading.current_thread().name) for i in range(5): th = threading.Thread(target=func, args=(i,), name='线程%s' % i) th.start()
打印结果：
1 线程1 2 线程2 0 线程0 4 线程4 3 线程3
5、上下文管理
一、原理猜测
a、相似于本地线程 建立Local类： { 线程或协程惟一标识: { 'stack':[request],'xxx':[session,] }, 线程或协程惟一标识: { 'stack':[] }, 线程或协程惟一标识: { 'stack':[] }, 线程或协程惟一标识: { 'stack':[] }, } b、上下文管理的本质 每个线程都会建立一个上面那样的结构， 当请求进来以后，将请求相关数据添加到列表里面[request，]，之后若是使用时，就去读取 列表中的数据，请求完成以后，将request从列表中移除 c、关系 local = 小华={ 线程或协程惟一标识: { 'stack':[] }, 线程或协程惟一标识: { 'stack':[] }, 线程或协程惟一标识: { 'stack':[] }, 线程或协程惟一标识: { 'stack':[] }, } stack = 强哥 = { push pop top } 存取东西时都要基于强哥来作 d、最近看过一些flask源码，flask仍是django有些区别 - Flask和Django区别？ - 请求相关数据传递的方式 - django：是经过传request参数实现的 - Flask：基于local对象和，localstark对象来完成的 当请求刚进来的时候就给放进来了，完了top取值就好了,取完以后pop走就好了 问题：多个请求过来会不会混淆 -答： 不会，由于，不只是线程的，仍是协程，每个协程都是有惟一标识的： from greenlent import getcurrentt as get_ident #这个就是来获取惟一标识的
二、flask的request和session设置方式比较新颖，若是没有这种方式，那么就只能经过参数的传递。
flask是如何作的呢？
- 本地线程：是Flask本身建立的一个线程（猜测：内部是否是基于本地线程作的？） vals = threading.local() def task(arg): vals.name = num - 每一个线程进来都是打印的本身的，只有本身的才能修改， - 经过他就能保证每个线程里面有一个数据库连接，经过他就能建立出数据库连接池的第一种模式 - 上下文原理 - 相似于本地线程 - 猜测：内部是否是基于本地线程作的？不是，是一个特殊的字典
#!/usr/bin/env python # -*- coding:utf-8 -*- from functools import partial from flask.globals import LocalStack, LocalProxy ls = LocalStack() class RequestContext(object): def __init__(self, environ): self.request = environ def _lookup_req_object(name): top = ls.top if top is None: raise RuntimeError(ls) return getattr(top, name) session = LocalProxy(partial(_lookup_req_object, 'request')) ls.push(RequestContext('c1')) # 当请求进来时，放入 print(session) # 视图函数使用 print(session) # 视图函数使用 ls.pop() # 请求结束pop ls.push(RequestContext('c2')) print(session) ls.push(RequestContext('c3')) print(session)
三、Flask内部实现
#!/usr/bin/env python # -*- coding:utf-8 -*- from greenlet import getcurrent as get_ident def release_local(local): local.__release_local__() class Local(object): __slots__ = ('__storage__', '__ident_func__') def __init__(self): # self.__storage__ = {} # self.__ident_func__ = get_ident object.__setattr__(self, '__storage__', {}) object.__setattr__(self, '__ident_func__', get_ident) def __release_local__(self): self.__storage__.pop(self.__ident_func__(), None) def __getattr__(self, name): try: return self.__storage__[self.__ident_func__()][name] except KeyError: raise AttributeError(name) def __setattr__(self, name, value): ident = self.__ident_func__() storage = self.__storage__ try: storage[ident][name] = value except KeyError: storage[ident] = {name: value} def __delattr__(self, name): try: del self.__storage__[self.__ident_func__()][name] except KeyError: raise AttributeError(name) class LocalStack(object): def __init__(self): self._local = Local() def __release_local__(self): self._local.__release_local__() def push(self, obj): """Pushes a new item to the stack""" rv = getattr(self._local, 'stack', None) if rv is None: self._local.stack = rv = [] rv.append(obj) return rv def pop(self): """Removes the topmost item from the stack, will return the old value or `None` if the stack was already empty. """ stack = getattr(self._local, 'stack', None) if stack is None: return None elif len(stack) == 1: release_local(self._local) return stack[-1] else: return stack.pop() @property def top(self): """The topmost item on the stack. If the stack is empty, `None` is returned. """ try: return self._local.stack[-1] except (AttributeError, IndexError): return None stc = LocalStack() stc.push(123) v = stc.pop() print(v)
相关文章
- 1. Flask学习笔记之——蓝图、基于DBUtils实现数据库连接池、上下文管理等
- 2. python数据库链接池基于DBUtils
- 3. 数据库链接池(DBUtils)
- 4. JavaWeb之DButils（三）使用C3P0实现数据库的链接池
- 5. 基于DBUtils实现数据库连接池
- 6. Python3 - DBUtils + 第三方数据库操做模块 - 实现数据库链接池
- 7. Python3 实现MySQL的数据库链接池及应用 DBUtils库
- 8. 数据库链接池，本地线程，上下文管理
- 9. Flask中使用数据库链接池 DBUtils ——（4）
- 10. Flask（4）：wtforms组件 & 数据库链接池 DBUtils
- 更多相关文章...
- • Spring声明式事务管理（基于XML方式实现） - Spring教程
- • Docker 仓库管理 - Docker教程
- • ☆基于Java Instrument的Agent实现
- • Docker容器实战(七) - 容器眼光下的文件系统
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Flask学习笔记之——蓝图、基于DBUtils实现数据库连接池、上下文管理等
- 2. python数据库链接池基于DBUtils
- 3. 数据库链接池(DBUtils)
- 4. JavaWeb之DButils（三）使用C3P0实现数据库的链接池
- 5. 基于DBUtils实现数据库连接池
- 6. Python3 - DBUtils + 第三方数据库操做模块 - 实现数据库链接池
- 7. Python3 实现MySQL的数据库链接池及应用 DBUtils库
- 8. 数据库链接池，本地线程，上下文管理
- 9. Flask中使用数据库链接池 DBUtils ——（4）
- 10. Flask（4）：wtforms组件 & 数据库链接池 DBUtils