Flask學習【第3篇】:藍圖、基於DBUtils實現資料庫連線池、上下文管理等 基於DBUtils實現資料庫連線池
小知識:
1、子類繼承父類的三種方式
class Dog(Animal): #子類 派生類
def __init__(self,name,breed, life_value,aggr):
# Animal.__init__(self,name,breed, life_value,aggr)#讓子類執行父類的方法 就是父類名.方法名(引數),連self都得傳
super().__init__(name,life_value,aggr) #super關鍵字 ,都不用傳self了,在新式類裡的
# super(Dog,self).__init__(name,life_value,aggr) #上面super是簡寫
self.breed = breed
def bite(self,person): #狗的派生方法
person.life_value -= self.aggr
def eat(self): #父類方法的重寫
super().eat()
print('dog is eating')
2、物件通過索引設定值的三種方式
方式一:重寫__setitem__方法
class Foo(object):
def __setitem__(self, key, value):
print(key,value)
obj = Foo()
obj["xxx"] = 123 #給物件賦值就會去執行__setitem__方法
方式二:繼承dict
class Foo(dict):
pass
obj = Foo()
obj["xxx"] = 123
print(obj)
方式三:繼承dict,重寫__init__方法的時候,記得要繼承父類的__init__方法
class Foo(dict):
def __init__(self,val):
# dict.__init__(self, val)#繼承父類方式一
# super().__init__(val) #繼承父類方式二
super(Foo,self).__init__(val)#繼承父類方式三
obj = Foo({"xxx":123})
print(obj)
總結:如果遇到obj["xxx"] = xx ,
- 重寫了__setitem__方法
- 繼承dict
3、測試__name__方法
示例:
app1中:
import app2
print('app1', __name__)
app2中:
print('app2', __name__)
現在app1是主程式,執行結果截圖
總結:如果是在自己的模組中執行,__name__就是__main__,如果是從別的檔案中匯入進來的,就不是__name__了
一、設定配置檔案的幾種方式
==========方式一:============
app.config['SESSION_COOKIE_NAME'] = 'session_lvning' #這種方式要把所有的配置都放在一個資料夾裡面,看起來會比較亂,所以選擇下面的方式
==========方式二:==============
app.config.from_pyfile('settings.py') #找到配置檔案路徑,建立一個模組,開啟檔案,並獲取所有的內容,再將配置檔案中的所有值,都封裝到上一步建立的配置檔案模板中
print(app.config.get("CCC"))
=========方式三:物件的方式============
import os
os.environ['FLAKS-SETTINGS'] = 'settings.py'
app.config.from_envvar('FLAKS-SETTINGS')
===============方式四(推薦):字串的方式,方便操作,不用去改配置,直接改變字串就行了 ==============
app.config.from_object('settings.DevConfig')
----------settings.DevConfig----------
from app import app
class BaseConfig(object):
NNN = 123 #注意是大寫
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"
要想在檢視函式中獲取配置檔案的值,都是通過app.config來拿。但是如果檢視函式和Flask建立的物件app不在一個模組。就得
匯入來拿。可以不用匯入,。直接匯入一個current_app,這個就是當前的app物件,用current_app.config就能檢視到了當前app的所有的配置檔案
from flask import Flask,current_app
@app.route('/index',methods=["GET","POST"])
def index():
print(current_app.config) #當前的app的所有配置
session["xx"] = "fdvbn"
return "index"
二、藍圖(flask中多py檔案拆分都要用到藍圖)
如果程式碼非常多,要進行歸類。不同的功能放在不同的檔案,吧相關的檢視函式也放進去。藍圖也就是對flask的目錄結構進行分配(應用於小,中型的程式),
小中型:
manage.py
import fcrm
if __name__ == '__main__':
fcrm.app.run()
__init__.py(只要一匯入fcrm就會執行__init__.py檔案)
from flask import Flask
#匯入accout 和order
from fcrm.views import accout
from fcrm.views import order
app = Flask(__name__)
print(app.root_path) #根目錄
app.register_blueprint(accout.accout) #吧藍圖註冊到app裡面,accout.accout是建立的藍圖物件
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(): #注意檢視函式的名字不能和藍圖物件的名字一樣
return "order
使用藍圖時需要注意的
大型:
三、資料庫連線池
flask中是沒有ORM的,如果在flask裡面連線資料庫有兩種方式
一:pymysql
二:SQLAlchemy
是python 操作資料庫的一個庫。能夠進行 orm 對映官方文件 sqlchemy
SQLAlchemy“採用簡單的Python語言,為高效和高效能的資料庫訪問設計,實現了完整的企業級持久模型”。SQLAlchemy的理念是,SQL資料庫的量級和效能重要於物件集合;而物件集合的抽象又重要於表和行。
連結池原理
- BDUtils資料庫連結池
- 模式一:基於threaing.local實現為每一個執行緒建立一個連線,關閉是
偽關閉,當前執行緒可以重複
- 模式二:連線池原理
- 可以設定連線池中最大連線數 9
- 預設啟動時,連線池中建立連線 5
- 如果有三個執行緒來資料庫中獲取連線:
- 如果三個同時來的,一人給一個連結
- 如果一個一個來,有時間間隔,用一個連結就可以為三個執行緒提供服務 - 說不準 有可能:1個連結就可以為三個執行緒提供服務 有可能:2個連結就可以為三個執行緒提供服務 有可能:3個連結就可以為三個執行緒提供服務 PS、:maxshared在使用pymysql中均無用。連結資料庫的模組:只有threadsafety>1的時候才有用
那麼我們用pymysql來做。
為什麼要使用資料庫連線池呢?不用連線池有什麼不好的地方呢?
方式一、每次操作都要連結資料庫,連結次數過多
#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from flask import Flask
app = Flask(__name__)
# 方式一:這種方式每次請求,反覆建立資料庫連結,多次連結資料庫會非常耗時
# 解決辦法:放在全域性,單例模式
@app.route('/index')
def index():
# 連結資料庫
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() # 獲取資料 cursor.close() conn.close() # 關閉連結 print(result) return "執行成功" if __name__ == '__main__': app.run(debug=True)
方式二、不支援併發
#!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:放在全域性,如果是單執行緒,這樣就可以,但是如果是多執行緒,就得加把鎖。這樣就成序列的了
# 不支援併發,也不好。所有我們選擇用資料庫連線池
@app.route('/index') def index(): with RLock: cursor = CONN.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 獲取資料 cursor.close() print(result) return "執行成功" if __name__ == '__main__': app.run(debug=True)
方式三:由於上面兩種方案都不完美,所以得把方式一和方式二聯合一下(既讓減少連結次數,也能支援併發)所有了方式三,需要
匯入一個DButils模組
基於DButils實現的資料庫連線池有兩種模式:
模式一:為每一個執行緒建立一個連結(是基於本地執行緒來實現的。thread.local),每個執行緒獨立使用自己的資料庫連結,該執行緒關閉不是真正的關閉,本執行緒再次呼叫時,還是使用的最開始建立的連結,直到執行緒終止,資料庫連結才關閉
注: 模式一:如果執行緒比較多還是會建立很多連線,模式二更常用
#!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, # 使用連結資料庫的模組
maxusage=None, # 一個連結最多被重複使用的次數,None表示無限制
setsession=[], # 開始會話前執行的命令列表。如:["set datestyle to ...", "set time zone ..."]
ping=0, # ping MySQL服務端,檢查是否服務可用。# 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, # 如果為False時, conn.close() 實際上被忽略,供下次使用,再執行緒關閉時,才會自動關閉連結。如果為True時, conn.close()則關閉連結,那麼再次呼叫pool.connection時就會報錯,因為已經真的關閉了連線(pool.steady_connection()可以獲取一個新的連結) threadlocal=None, # 本執行緒獨享值得物件,用於儲存連結物件,如果連結物件被重置 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() # 不是真的關閉,而是假的關閉。 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:建立一個連結池,為所有執行緒提供連線,使用時來進行獲取,使用完畢後在放回到連線池。
PS:假設最大連結數有10個,其實也就是一個列表,當你pop一個,人家會在append一個,連結池的所有的連結都是按照排隊的這樣的方式來連結的。
連結池裡所有的連結都能重複使用,共享的, 即實現了併發,又防止了連結次數太多
import time
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
creator=pymysql, # 使用連結資料庫的模組
maxconnections=6, # 連線池允許的最大連線數,0和None表示不限制連線數
mincached=2, # 初始化時,連結池中至少建立的空閒的連結,0表示不建立
maxcached=5, # 連結池中最多閒置的連結,0和None不限制 maxshared=3, # 連結池中最多共享的連結數量,0和None表示全部共享。PS: 無用,因為pymysql和MySQLdb等模組的 threadsafety都為1,所有值無論設定為多少,_maxcached永遠為0,所以永遠是所有連結都共享。 blocking=True, # 連線池中如果沒有可用連線後,是否阻塞等待。True,等待;False,不等待然後報錯 maxusage=None, # 一個連結最多被重複使用的次數,None表示無限制 setsession=[], # 開始會話前執行的命令列表。如:["set datestyle to ...", "set time zone ..."] ping=0, # ping MySQL服務端,檢查是否服務可用。# 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(): # 檢測當前正在執行連線數的是否小於最大連結數,如果不小於則:等待或報raise TooManyConnections異常 # 否則 # 則優先去初始化時建立的連結中獲取連結 SteadyDBConnection。 # 然後將SteadyDBConnection物件封裝到PooledDedicatedDBConnection中並返回。 # 如果最開始建立的連結沒有連結,則去建立一個SteadyDBConnection物件,再封裝到PooledDedicatedDBConnection中並返回。 # 一旦關閉連結後,連線就返回到連線池讓後續執行緒繼續使用。 # PooledDedicatedDBConnection conn = POOL.connection() # print(th, '連結被拿走了', conn1._con) # print(th, '池子裡目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close() conn = POOL.connection() # print(th, '連結被拿走了', conn1._con) # print(th, '池子裡目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close() func()
五、本地執行緒:保證每個執行緒都只有自己的一份資料,在操作時不會影響別人的,即使是多執行緒,自己的值也是互相隔離的
沒用執行緒之前
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='執行緒%s' % i) th.start()
列印結果:
1 執行緒1
0 執行緒0
2 執行緒2
3 執行緒3
4 執行緒4
用了本地執行緒之後
import threading
import time
# 本地執行緒物件
local_values = threading.local()
def func(num):
"""
# 第一個執行緒進來,本地執行緒物件會為他建立一個
# 第二個執行緒進來,本地執行緒物件會為他建立一個
{
執行緒1的唯一標識:{name:1},
執行緒2的唯一標識:{name:2},
}
:param num:
:return:
"""
local_values.name = num # 4
# 執行緒停下來了
time.sleep(2) # 第二個執行緒: local_values.name,去local_values中根據自己的唯一標識作為key,獲取value中name對應的值 print(local_values.name, threading.current_thread().name) for i in range(5): th = threading.Thread(target=func, args=(i,), name='執行緒%s' % i) th.start()
列印結果:
1 執行緒1
2 執行緒2
0 執行緒0
4 執行緒4
3 執行緒3
六、上下文管理
a、類似於本地執行緒
建立Local類:
{
執行緒或協程唯一標識: { 'stack':[request],'xxx':[session,] },
執行緒或協程唯一標識: { 'stack':[] },
執行緒或協程唯一標識: { 'stack':[] },
執行緒或協程唯一標識: { 'stack':[] },
}
b、上下文管理的本質
每一個執行緒都會建立一個上面那樣的結構,
當請求進來之後,將請求相關資料新增到列表裡面[request,],以後如果使用時,就去讀取
列表中的資料,請求完成之後,將request從列表中移除
c、關係
local = 小華={ 執行緒或協程唯一標識: { 'stack':[] }, 執行緒或協程唯一標識: { 'stack':[] }, 執行緒或協程唯一標識: { 'stack':[] }, 執行緒或協程唯一標識: { 'stack':[] }, } stack = 強哥 = { push pop top } 存取東西時都要基於強哥來做 d、最近看過一些flask原始碼,flask還是django有些區別 - Flask和Django區別? - 請求相關資料傳遞的方式 - django:是通過傳request引數實現的 - Flask:基於local物件和,localstark物件來完成的 當請求剛進來的時候就給放進來了,完了top取值就行了,取完之後pop走就行了 問題:多個請求過來會不會混淆 -答: 不會,因為,不僅是執行緒的,還是協程,每一個協程都是有唯一標識的: from greenlent import getcurrentt as get_ident #這個就是來獲取唯一標識的
flask的request和session設定方式比較新穎,如果沒有這種方式,那麼就只能通過引數的傳遞。
flask是如何做的呢?
- 本地執行緒:是Flask自己建立的一個執行緒(猜想:內部是不是基於本地執行緒做的?)
vals = threading.local()
def task(arg):
vals.name = num
- 每個執行緒進來都是列印的自己的,只有自己的才能修改,
- 通過他就能保證每一個執行緒裡面有一個數據庫連結,通過他就能創建出資料庫連結池的第一種模式 - 上下文原理 - 類似於本地執行緒 - 猜想:內部是不是基於本地執行緒做的?不是,是一個特殊的字典
#!/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')) # 當請求進來時,放入 print(session) # 檢視函式使用 print(session) # 檢視函式使用 ls.pop() # 請求結束pop ls.push(RequestContext('c2')) print(session) ls.push(RequestContext('c3')) print(session)
3. Flask內部實現
#!/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)
小知識:
1、子類繼承父類的三種方式
class Dog(Animal): #子類 派生類
def __init__(self,name,breed, life_value,aggr):
# Animal.__init__(self,name,breed, life_value,aggr)#讓子類執行父類的方法 就是父類名.方法名(引數),連self都得傳
super().__init__(name,life_value,aggr) #super關鍵字 ,都不用傳self了,在新式類裡的
# super(Dog,self).__init__(name,life_value,aggr) #上面super是簡寫
self.breed = breed
def bite(self,person): #狗的派生方法
person.life_value -= self.aggr
def eat(self): #父類方法的重寫
super().eat()
print('dog is eating')
2、物件通過索引設定值的三種方式
方式一:重寫__setitem__方法
class Foo(object):
def __setitem__(self, key, value):
print(key,value)
obj = Foo()
obj["xxx"] = 123 #給物件賦值就會去執行__setitem__方法
方式二:繼承dict
class Foo(dict):
pass
obj = Foo()
obj["xxx"] = 123
print(obj)
方式三:繼承dict,重寫__init__方法的時候,記得要繼承父類的__init__方法
class Foo(dict):
def __init__(self,val):
# dict.__init__(self, val)#繼承父類方式一
# super().__init__(val) #繼承父類方式二
super(Foo,self).__init__(val)#繼承父類方式三
obj = Foo({"xxx":123})
print(obj)
總結:如果遇到obj["xxx"] = xx ,
- 重寫了__setitem__方法
- 繼承dict
3、測試__name__方法
示例:
app1中:
import app2
print('app1', __name__)
app2中:
print('app2', __name__)
現在app1是主程式,執行結果截圖
總結:如果是在自己的模組中執行,__name__就是__main__,如果是從別的檔案中匯入進來的,就不是__name__了
一、設定配置檔案的幾種方式
==========方式一:============
app.config['SESSION_COOKIE_NAME'] = 'session_lvning' #這種方式要把所有的配置都放在一個資料夾裡面,看起來會比較亂,所以選擇下面的方式
==========方式二:==============
app.config.from_pyfile('settings.py') #找到配置檔案路徑,建立一個模組,開啟檔案,並獲取所有的內容,再將配置檔案中的所有值,都封裝到上一步建立的配置檔案模板中
print(app.config.get("CCC"))
=========方式三:物件的方式============
import os
os.environ['FLAKS-SETTINGS'] = 'settings.py'
app.config.from_envvar('FLAKS-SETTINGS')
===============方式四(推薦):字串的方式,方便操作,不用去改配置,直接改變字串就行了 ==============
app.config.from_object('settings.DevConfig')
----------settings.DevConfig----------
from app import app
class BaseConfig(object):
NNN = 123 #注意是大寫
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"
要想在檢視函式中獲取配置檔案的值,都是通過app.config來拿。但是如果檢視函式和Flask建立的物件app不在一個模組。就得
匯入來拿。可以不用匯入,。直接匯入一個current_app,這個就是當前的app物件,用current_app.config就能檢視到了當前app的所有的配置檔案
from flask import Flask,current_app
@app.route('/index',methods=["GET","POST"])
def index():
print(current_app.config) #當前的app的所有配置
session["xx"] = "fdvbn"
return "index"
二、藍圖(flask中多py檔案拆分都要用到藍圖)
如果程式碼非常多,要進行歸類。不同的功能放在不同的檔案,吧相關的檢視函式也放進去。藍圖也就是對flask的目錄結構進行分配(應用於小,中型的程式),
小中型:
manage.py
import fcrm
if __name__ == '__main__':
fcrm.app.run()
__init__.py(只要一匯入fcrm就會執行__init__.py檔案)
from flask import Flask
#匯入accout 和order
from fcrm.views import accout
from fcrm.views import order
app = Flask(__name__)
print(app.root_path) #根目錄
app.register_blueprint(accout.accout) #吧藍圖註冊到app裡面,accout.accout是建立的藍圖物件
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(): #注意檢視函式的名字不能和藍圖物件的名字一樣
return "order
使用藍圖時需要注意的
大型:
三、資料庫連線池
flask中是沒有ORM的,如果在flask裡面連線資料庫有兩種方式
一:pymysql
二:SQLAlchemy
是python 操作資料庫的一個庫。能夠進行 orm 對映官方文件 sqlchemy
SQLAlchemy“採用簡單的Python語言,為高效和高效能的資料庫訪問設計,實現了完整的企業級持久模型”。SQLAlchemy的理念是,SQL資料庫的量級和效能重要於物件集合;而物件集合的抽象又重要於表和行。
連結池原理
- BDUtils資料庫連結池
- 模式一:基於threaing.local實現為每一個執行緒建立一個連線,關閉是
偽關閉,當前執行緒可以重複
- 模式二:連線池原理
- 可以設定連線池中最大連線數 9
- 預設啟動時,連線池中建立連線 5
- 如果有三個執行緒來資料庫中獲取連線:
- 如果三個同時來的,一人給一個連結
- 如果一個一個來,有時間間隔,用一個連結就可以為三個執行緒提供服務 - 說不準 有可能:1個連結就可以為三個執行緒提供服務 有可能:2個連結就可以為三個執行緒提供服務 有可能:3個連結就可以為三個執行緒提供服務 PS、:maxshared在使用pymysql中均無用。連結資料庫的模組:只有threadsafety>1的時候才有用
那麼我們用pymysql來做。
為什麼要使用資料庫連線池呢?不用連線池有什麼不好的地方呢?
方式一、每次操作都要連結資料庫,連結次數過多
#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from flask import Flask
app = Flask(__name__)
# 方式一:這種方式每次請求,反覆建立資料庫連結,多次連結資料庫會非常耗時
# 解決辦法:放在全域性,單例模式
@app.route('/index')
def index():
# 連結資料庫
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() # 獲取資料 cursor.close() conn.close() # 關閉連結 print(result) return "執行成功" if __name__ == '__main__': app.run(debug=True)
方式二、不支援併發
#!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:放在全域性,如果是單執行緒,這樣就可以,但是如果是多執行緒,就得加把鎖。這樣就成序列的了
# 不支援併發,也不好。所有我們選擇用資料庫連線池
@app.route('/index') def index(): with RLock: cursor = CONN.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 獲取資料 cursor.close() print(result) return "執行成功" if __name__ == '__main__': app.run(debug=True)
方式三:由於上面兩種方案都不完美,所以得把方式一和方式二聯合一下(既讓減少連結次數,也能支援併發)所有了方式三,需要
匯入一個DButils模組
基於DButils實現的資料庫連線池有兩種模式:
模式一:為每一個執行緒建立一個連結(是基於本地執行緒來實現的。thread.local),每個執行緒獨立使用自己的資料庫連結,該執行緒關閉不是真正的關閉,本執行緒再次呼叫時,還是使用的最開始建立的連結,直到執行緒終止,資料庫連結才關閉
注: 模式一:如果執行緒比較多還是會建立很多連線,模式二更常用
#!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, # 使用連結資料庫的模組
maxusage=None, # 一個連結最多被重複使用的次數,None表示無限制
setsession=[], # 開始會話前執行的命令列表。如:["set datestyle to ...", "set time zone ..."]
ping=0, # ping MySQL服務端,檢查是否服務可用。# 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, # 如果為False時, conn.close() 實際上被忽略,供下次使用,再執行緒關閉時,才會自動關閉連結。如果為True時, conn.close()則關閉連結,那麼再次呼叫pool.connection時就會報錯,因為已經真的關閉了連線(pool.steady_connection()可以獲取一個新的連結) threadlocal=None, # 本執行緒獨享值得物件,用於儲存連結物件,如果連結物件被重置 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() # 不是真的關閉,而是假的關閉。 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:建立一個連結池,為所有執行緒提供連線,使用時來進行獲取,使用完畢後在放回到連線池。
PS:假設最大連結數有10個,其實也就是一個列表,當你pop一個,人家會在append一個,連結池的所有的連結都是按照排隊的這樣的方式來連結的。
連結池裡所有的連結都能重複使用,共享的, 即實現了併發,又防止了連結次數太多
import time
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
creator=pymysql, # 使用連結資料庫的模組
maxconnections=6, # 連線池允許的最大連線數,0和None表示不限制連線數
mincached=2, # 初始化時,連結池中至少建立的空閒的連結,0表示不建立
maxcached=5, # 連結池中最多閒置的連結,0和None不限制 maxshared=3, # 連結池中最多共享的連結數量,0和None表示全部共享。PS: 無用,因為pymysql和MySQLdb等模組的 threadsafety都為1,所有值無論設定為多少,_maxcached永遠為0,所以永遠是所有連結都共享。 blocking=True, # 連線池中如果沒有可用連線後,是否阻塞等待。True,等待;False,不等待然後報錯 maxusage=None, # 一個連結最多被重複使用的次數,None表示無限制 setsession=[], # 開始會話前執行的命令列表。如:["set datestyle to ...", "set time zone ..."] ping=0, # ping MySQL服務端,檢查是否服務可用。# 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(): # 檢測當前正在執行連線數的是否小於最大連結數,如果不小於則:等待或報raise TooManyConnections異常 # 否則 # 則優先去初始化時建立的連結中獲取連結 SteadyDBConnection。 # 然後將SteadyDBConnection物件封裝到PooledDedicatedDBConnection中並返回。 # 如果最開始建立的連結沒有連結,則去建立一個SteadyDBConnection物件,再封裝到PooledDedicatedDBConnection中並返回。 # 一旦關閉連結後,連線就返回到連線池讓後續執行緒繼續使用。 # PooledDedicatedDBConnection conn = POOL.connection() # print(th, '連結被拿走了', conn1._con) # print(th, '池子裡目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close() conn = POOL.connection() # print(th, '連結被拿走了', conn1._con) # print(th, '池子裡目前有', pool._idle_cache, '\r\n') cursor = conn.cursor() cursor.execute('select * from tb1') result = cursor.fetchall() conn.close() func()
五、本地執行緒:保證每個執行緒都只有自己的一份資料,在操作時不會影響別人的,即使是多執行緒,自己的值也是互相隔離的
沒用執行緒之前
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='執行緒%s' % i) th.start()
列印結果:
1 執行緒1
0 執行緒0
2 執行緒2
3 執行緒3
4 執行緒4
用了本地執行緒之後
import threading
import time
# 本地執行緒物件
local_values = threading.local()
def func(num):
"""
# 第一個執行緒進來,本地執行緒物件會為他建立一個
# 第二個執行緒進來,本地執行緒物件會為他建立一個
{
執行緒1的唯一標識:{name:1},
執行緒2的唯一標識:{name:2},
}
:param num:
:return:
"""
local_values.name = num # 4
# 執行緒停下來了
time.sleep(2) # 第二個執行緒: local_values.name,去local_values中根據自己的唯一標識作為key,獲取value中name對應的值 print(local_values.name, threading.current_thread().name) for i in range(5): th = threading.Thread(target=func, args=(i,), name='執行緒%s' % i) th.start()
列印結果:
1 執行緒1
2 執行緒2
0 執行緒0
4 執行緒4
3 執行緒3
六、上下文管理
a、類似於本地執行緒
建立Local類:
{
執行緒或協程唯一標識: { 'stack':[request],'xxx':[session,] },
執行緒或協程唯一標識: { 'stack':[] },
執行緒或協程唯一標識: { 'stack':[] },
執行緒或協程唯一標識: { 'stack':[] },
}
b、上下文管理的本質
每一個執行緒都會建立一個上面那樣的結構,
當請求進來之後,將請求相關資料新增到列表裡面[request,],以後如果使用時,就去讀取
列表中的資料,請求完成之後,將request從列表中移除
c、關係
local = 小華={ 執行緒或協程唯一標識: { 'stack':[] }, 執行緒或協程唯一標識: { 'stack':[] }, 執行緒或協程唯一標識: { 'stack':[] }, 執行緒或協程唯一標識: { 'stack':[] }, } stack = 強哥 = { push pop top } 存取東西時都要基於強哥來做 d、最近看過一些flask原始碼,flask還是django有些區別 - Flask和Django區別? - 請求相關資料傳遞的方式 - django:是通過傳request引數實現的 - Flask:基於local物件和,localstark物件來完成的 當請求剛進來的時候就給放進來了,完了top取值就行了,取完之後pop走就行了 問題:多個請求過來會不會混淆 -答: 不會,因為,不僅是執行緒的,還是協程,每一個協程都是有唯一標識的: from greenlent import getcurrentt as get_ident #這個就是來獲取唯一標識的
flask的request和session設定方式比較新穎,如果沒有這種方式,那麼就只能通過引數的傳遞。
flask是如何做的呢?
- 本地執行緒:是Flask自己建立的一個執行緒(猜想:內部是不是基於本地執行緒做的?)
vals = threading.local()
def task(arg):
vals.name = num
- 每個執行緒進來都是列印的自己的,只有自己的才能修改,
- 通過他就能保證每一個執行緒裡面有一個數據庫連結,通過他就能創建出資料庫連結池的第一種模式 - 上下文原理 - 類似於本地執行緒 - 猜想:內部是不是基於本地執行緒做的?不是,是一個特殊的字典
#!/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')) # 當請求進來時,放入 print(session) # 檢視函式使用 print(session) # 檢視函式使用 ls.pop() # 請求結束pop ls.push(RequestContext('c2')) print(session) ls.push(RequestContext('c3')) print(session)
3. Flask內部實現
#!/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)
相關推薦
Flask學習【第3篇】:藍圖、基於DBUtils實現資料庫連線池、上下文管理等 基於DBUtils實現資料庫連線池
基於DBUtils實現資料庫連線池 小知識: 1、子類繼承父類的三種方式 class Dog(Animal): #子類 派生類 def
Flask學習【第2篇】:Flask基礎 Flask基礎
Flask基礎 知識點回顧 1、flask依賴wsgi,實現wsgi的模組:wsgiref,werkzeug,uwsgi 2、例項化Flask物件,裡面是有引數的 app = Fla
Flask學習【第7篇】:Flask中的wtforms使用 flask中的wtforms使用
flask中的wtforms使用 一、簡單介紹flask中的wtforms WTForms是一個支援多個web框架的form元件,主要用於對使用者請求資料進行驗證。 安裝: pip3 install
Flask學習【第11篇】:整合Flask中的目錄結構 整合Flask中的目錄結構
整合Flask中的目錄結構 一、SQLAlchemy-Utils 由於sqlalchemy中沒有提供choice方法,所以藉助SQLAlchemy-Utils元件提供的choice方法
Flask學習【第10篇】:自定義Form元件 自定義Form元件
自定義Form元件 一、wtforms原始碼流程 1、例項化流程分析 View Code 2、驗證流程分析
Python學習【第3篇】:Python之運算子 python-----運算子及while迴圈
python-----運算子及while迴圈 一、運算子 計算機可以進行的運算有很多種,不只是加減乘除,它和我們人腦一樣,也可以做很多運算。 種類:算術運
mysql學習【第3篇】:資料庫之增刪改查操作 資料庫之表操作,資料操作
資料庫之表操作,資料操作 注意的幾點:1.如果你在cmd中書命令的時候,輸入錯了就用\c跳出 2.\s檢視配置資訊
Django學習【第3篇】:Django之模板語法
開始 切片 byte 當前 tag targe you 過濾 per Django框架之第三篇模板語法(重要!!!) 一、什麽是模板? 只要是在html裏面有模板語法就不是html文件了,這樣的文件就叫做模板。 二、模板
mysql學習【第3篇】:使用DQL查詢資料
狂神宣告 : 文章均為自己的學習筆記 , 轉載一定註明出處 ; 編輯不易 , 防君子不防小人~共勉 ! mysql學習【第3篇】:使用DQL查詢資料 DQL語言 DQL( Data Query Language 資料查詢語言 ) 查詢資料庫資料 , 如SEL
Python學習【第3篇】:Python之運算符
進行 com 結束 range 分享圖片 png microsoft mic pan 一、運算符 計算機可以進行的運算有很多種,不只是加減乘除,它和我們人腦一樣,也可以做很多運算。 種類:算術運算,比較運算,邏輯運算,賦值運算,成員運算,身份運算,位運算,今天我們先了解前四
Python學習【第2篇】:Python之數據類型
msg ear sleep abc 命令 play bbbb 朋友 == 數字類型和字符串類型 1.bin()函數將十進制轉換成而進制 2.oct()函數將十進制轉換成八進制 3.hex()函數將十進制轉換成十六進制 十六進制表示:0-9 a b c
Python學習【第2篇】:Python之數據類型(2)
append 但是 iss 代碼 key 常用方法 uber ner ces 元組 #為何要有元組,存放多個值,元組不可變,更多的是用來做查詢 t=(1,[1,3],‘sss‘,(1,2)) #t=tuple((1,[1,3],‘sss‘,(1,2))) #
Python學習【第4篇】:元組魔法
vaule 根據 取值 保留 列表 tuple 樣書 key值 推薦 tu = (111,"xiaoxing",(11,22),[(33,44)],45,)#1.書寫格式#一般寫元組的時候推薦在最後加入逗號,#元組中的一級元素不可被修改,不能增加或者刪除print(tu)#
Python學習【第5篇】:數據類型和變量總結
style 不可變 nbsp 重新 class 數據 發現 舉例 convert 字符串,數字,列表,元組,字典 可變不可變 1.可變:列表 如: p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; font: 11.0px Menlo; col
Python學習【第4篇】:Python之可變資料型別與不可變資料型別 可變資料型別和不可變資料型別
可變資料型別和不可變資料型別 1.可變資料型別:在id不變的情況下,value可改變(列表和字典是可變型別,但是字典中的key值必須是不可變型別) 2.不可變資料型別:value改變,id也跟著改變。
Python學習【第5篇】:Python之字元編碼問題 python之----------字元編碼具體原理
python之----------字元編碼具體原理 1.記憶體和硬碟都是用來儲存的。 CPU:速度快 硬碟:永久儲存 &nb
Python學習【第9篇】:Python之常用模組二(時間模組,序列化模組等) 常用模組2
常用模組2 一、time模組 表示時間的三種方式: 時間戳:數字(計算機能認識的) 時間字串:t='2012-12-12'
Python學習【第8篇】:Python之常用模組一(主要是正則以及collections模組) python--------------常用模組之正則
python--------------常用模組之正則 一、認識模組 什麼是模組:一個模組就是一個包含了python定義和宣告的檔案,檔名就是加上.py的字尾,但其實import載入的模組分為四個通用類別 :
Python學習【第15篇】:面向對象之異常處理
解決 tex over self. 代碼 pytho ice dig ans python------------------異常處理 一、錯誤與異常 程序中難免會出現錯誤,而錯誤分為兩種 1.語法錯誤:(這種錯誤,根本過不了python解釋器的語法
Python學習【第15篇】:面向物件之異常處理 python------------------異常處理
python------------------異常處理 一、錯誤與異常 程式中難免會出現錯誤,而錯誤分為兩種 1.語法錯誤:(這種錯誤,根本過不了pyt