믹스인 및 주석을 사용하여 SQLAlchemy 모델 모듈화
확장 가능하고 유지 관리가 가능한 모델을 구축하려면 특히 여러 모델에서 공유 동작이나 공통 열 유형을 처리할 때 모듈식 접근 방식이 필요한 경우가 많습니다. 이번 블로그에서는 SQLAlchemy의 믹스인과 주석을 사용하여 모델을 모듈화하는 방법을 살펴보겠습니다.
왜 모듈화해야 합니까?
프로젝트 작업을 하다 보면 Created_at 및update_at 타임스탬프를 모델에 추가하거나 UUID 기본 키와 같은 공통 열 유형을 정의하는 등 반복적인 작업을 자주 접하게 됩니다. 이러한 문제를 별도의 구성 요소로 모듈화하면 다음과 같은 여러 가지 이점이 있습니다.
1. 재사용성: 공유 동작 및 열 정의를 여러 모델에서 사용할 수 있습니다.
2. 유지관리성: 한 곳의 변경 사항이 모든 종속 모델에 전파됩니다.
3. 가독성: 관심사를 명확하게 분리하면 코드를 더 쉽게 이해할 수 있습니다.
타임스탬프 믹스인 만들기
믹스인은 모델에 재사용 가능한 로직 또는 필드를 제공합니다. Create_at 및update_at 필드를 상속받는 모든 모델에 자동으로 추가하는 TimestampMixin을 정의해 보겠습니다.
파일: timestamp_mixin.py
from datetime import datetime from sqlalchemy import Column, DateTime from sqlalchemy.ext.declarative import declared_attr class TimestampMixin: @declared_attr def created_at(cls): return Column(DateTime, default=datetime.utcnow, nullable=False) @declared_attr def updated_at(cls): return Column(DateTime, default=datetime.utcnow, onupdate=datetime.utcnow, nullable=False)
설명
- @declared_attr: 속성이 상속 모델에 동적으로 추가되도록 합니다.
- default 및 onupdate: 생성 및 업데이트에 대한 타임스탬프를 자동으로 설정합니다.
공통 주석 정의
Python의 Typing.Annotated를 통해 사용할 수 있는 SQLAlchemy의 Annotated 유형을 사용하면 재사용 가능한 열 속성을 정의할 수 있습니다. 예를 들어 UUID 기본 키 또는 특정 제약 조건이 있는 문자열 열을 정의할 수 있습니다.
파일: common_annotations.py
from typing import Annotated from uuid import uuid4 from sqlalchemy import String from sqlalchemy.dialects.postgresql import UUID from sqlalchemy.orm import mapped_column uuid4pk = mapped_column(UUID(as_uuid=True), primary_key=True, default=uuid4, nullable=False) ] name = Annotated[ str, mapped_column(String(30), nullable=False) ]
설명
- UUID 기본 키: uuid4pk 주석은 기본 키에 대한 범용 고유 식별자를 정의합니다.
- 이름 열: 이름 주석은 최대 길이가 30자이고 NULL 값이 없는 문자열 열을 보장합니다.
믹스인과 주석을 사용하여 모델 구축
믹스인과 주석을 사용하면 구현을 간결하고 읽기 쉽게 유지하면서 공유 동작과 속성을 상속하는 모델을 정의할 수 있습니다.
파일: user.py
from datetime import datetime from sqlalchemy import Column, DateTime from sqlalchemy.ext.declarative import declared_attr class TimestampMixin: @declared_attr def created_at(cls): return Column(DateTime, default=datetime.utcnow, nullable=False) @declared_attr def updated_at(cls): return Column(DateTime, default=datetime.utcnow, onupdate=datetime.utcnow, nullable=False)
설명
- Declarative Base: Base는 모든 SQLAlchemy 모델의 기초 역할을 합니다.
이 접근 방식의 이점
1. 명확한 우려사항 분리
- timestamp_mixin.py: 재사용 가능한 로직(예: 타임스탬프)이 포함되어 있습니다.
- common_annotations.py: 공통 열 속성(예: UUID, 문자열)을 정의합니다.
- user.py: 이러한 빌딩 블록을 콘크리트 모델로 결합합니다.
2. 유지보수 용이성
- 타임스탬프 작동 방식을 변경하거나 열 제약 조건을 업데이트해야 하는 경우 timestamp_mixin.py 또는 common_annotations.py 파일만 수정하면 됩니다. 변경 사항은 모든 종속 모델에 자동으로 반영됩니다.
3. 확장성
- 프로젝트가 성장함에 따라 이 구조를 사용하면 중복을 도입하지 않고도 새로운 동작이나 필드 유형을 더 쉽게 추가할 수 있습니다.
최종 생각
SQLAlchemy의 mixins 및 annotations를 사용하여 모델을 모듈화하는 것은 공유 기능과 속성을 처리하기 위한 좋은 전략입니다. 이 접근 방식은 중복을 줄일 뿐만 아니라 깔끔하고 유지 관리 가능한 코드에 대한 모범 사례에도 부합합니다.
위 내용은 믹스인 및 주석을 사용하여 SQLAlchemy 모델 모듈화의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.

웹 개발에서 Python의 주요 응용 프로그램에는 Django 및 Flask 프레임 워크 사용, API 개발, 데이터 분석 및 시각화, 머신 러닝 및 AI 및 성능 최적화가 포함됩니다. 1. Django 및 Flask 프레임 워크 : Django는 복잡한 응용 분야의 빠른 개발에 적합하며 플라스크는 소형 또는 고도로 맞춤형 프로젝트에 적합합니다. 2. API 개발 : Flask 또는 DjangorestFramework를 사용하여 RESTFULAPI를 구축하십시오. 3. 데이터 분석 및 시각화 : Python을 사용하여 데이터를 처리하고 웹 인터페이스를 통해 표시합니다. 4. 머신 러닝 및 AI : 파이썬은 지능형 웹 애플리케이션을 구축하는 데 사용됩니다. 5. 성능 최적화 : 비동기 프로그래밍, 캐싱 및 코드를 통해 최적화
