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