


Memodulasi Model SQLAlchemy dengan Campuran dan Anotasi
Membina model berskala dan boleh diselenggara selalunya memerlukan pendekatan modular, terutamanya apabila mengendalikan gelagat dikongsi atau jenis lajur biasa merentas berbilang model. Dalam blog ini, kami akan membincangkan cara kami boleh memodulasi model menggunakan campuran dan anotasi SQLAlchemy.
Mengapa Modularize?
Apabila mengerjakan projek, kami sering menghadapi tugasan yang berulang seperti menambah cap masa create_at dan updated_at pada model atau menentukan jenis lajur biasa seperti kunci utama UUID. Memodulasi kebimbangan ini kepada komponen yang berasingan mempunyai beberapa faedah:
1. Kebolehgunaan semula: Gelagat dikongsi dan takrifan lajur boleh digunakan merentas berbilang model.
2. Kebolehselenggaraan: Perubahan di satu tempat disebarkan kepada semua model bergantung.
3. Kebolehbacaan: Pemisahan kebimbangan yang jelas menjadikan kod lebih mudah difahami.
Mencipta Campur Masa
Mixin menyediakan logik atau medan boleh guna semula untuk model. Mari kita tentukan TimestampMixin yang secara automatik menambah medan create_at dan updated_at pada mana-mana model yang mewarisi daripadanya.
Fail: 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)
Penjelasan
- @declared_attr: Memastikan atribut ditambahkan secara dinamik pada model pewarisan.
- lalai dan onkemas kini: Tetapkan cap masa secara automatik untuk penciptaan dan kemas kini.
Mentakrifkan Anotasi Biasa
Jenis Beranotasi SQLchemy, tersedia melalui penaipan Python. Beranotasi, membolehkan anda menentukan sifat lajur boleh guna semula. Sebagai contoh, anda boleh menentukan kunci utama UUID atau lajur String dengan kekangan tertentu.
Fail: 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) ]
Penjelasan
- Kunci Utama UUID: Anotasi uuid4pk mentakrifkan pengecam unik universal untuk kunci primer.
- Lajur Nama: Anotasi nama memastikan lajur Rentetan dengan panjang maksimum 30 aksara dan tiada nilai NULL.
Membina Model dengan Campuran dan Anotasi
Menggunakan campuran dan anotasi, kita boleh menentukan model yang mewarisi gelagat dan sifat dikongsi sambil memastikan pelaksanaan ringkas dan boleh dibaca.
Fail: 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)
Penjelasan
- Pangkalan Pengisytiharan: Pangkalan berfungsi sebagai asas untuk semua model SQLAlchemy.
Faedah Pendekatan Ini
1. Perpisahan Jelas Kebimbangan
- timestamp_mixin.py: Mengandungi logik boleh guna semula (cth., cap masa).
- common_annotations.py: Mentakrifkan sifat lajur biasa (cth., UUID, rentetan).
- user.py: Menggabungkan blok binaan ini menjadi model konkrit.
2. Kemudahan Penyelenggaraan
- Jika diperlukan untuk menukar cara cap masa berfungsi atau mengemas kini kekangan lajur, ia hanya diperlukan untuk mengubah suai fail timestamp_mixin.py atau common_annotations.py. Perubahan secara automatik mencerminkan semua model bergantung.
3. Skalabiliti
- Apabila projek berkembang, struktur ini memudahkan untuk menambah gelagat baharu atau jenis medan tanpa memperkenalkan lebihan.
Fikiran Akhir
Memodulasi model dengan campuran dan anotasi SQLAlchemy ialah strategi yang baik untuk mengendalikan fungsi dan sifat dikongsi. Pendekatan ini bukan sahaja mengurangkan pertindihan tetapi juga selaras dengan amalan terbaik untuk kod yang bersih dan boleh diselenggara.
Atas ialah kandungan terperinci Memodulasi Model SQLAlchemy dengan Campuran dan Anotasi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.
