开始免费使用
当前位置：首页 > python编程入门自学 > 使用SQLAlchemy ORM简化Python对MySQL的增删改查操作

使用SQLAlchemy ORM简化Python对MySQL的增删改查操作

Owen
Owen
发布时间：2026-11-12| 9人浏览过
原创

深入讲解如何使用 SQLAlchemy 2.0 ORM 简化 Python 对 MySQL 数据库的增删改查（CRUD）操作。涵盖模型定义、连接池与会话管理、数据状态流转机制及生产避坑实践。

一、ORM 解决的核心痛点与架构模型

直接编写原生 SQL 字符串最让人困扰的问题在于“业务对象与关系表结构的割裂”。例如，在插入或查询一条记录时，开发者必须在 Python 的字典或元组中逐一匹配数据库列索引，代码缺乏类型提示，一旦数据库表增加或重命名字段，就必须在散落各处的 SQL 语句中排查变更。如果拼接变量时不慎疏漏了参数化格式化，还极易引发严重的 SQL 注入漏洞。

SQLAlchemy ORM 通过分层架构解决了这一矛盾。在上层，它提供声明式类定义与会话上下文；在下层，它内置了针对 MySQL 的特定 SQL 表达式编译器与 QueuePool 连接池，通过 PyMySQL 等驱动与 MySQL 服务器稳定通信。

使用SQLAlchemy ORM简化Python对MySQL的增删改查操作
图 1：SQLAlchemy ORM 与 MySQL 的分层架构与实体映射机制

如图 1 所示，开发者在业务逻辑中只需与高层的 Python 对象及 Session 会话交互：

  • 类与表的映射（Class to Table）： Python 数据模型类对应 MySQL 中的物理数据表，类中的属性对应表中的字段名与约束条件。
  • 实例与数据行的映射（Instance to Row）： 每一个由模型实例化生成的 Python 对象，对应数据表中的具体一行持久化记录。
  • 表达式编译与驱动协议： ORM 运行时接收到对象的增删改查操作后，由底层的 SQL 编译器生成严格带参数占位符的 MySQL 原生 SQL，再交由 PyMySQL 驱动执行，从源头保证了执行效率与安全性。

二、环境准备与数据库引擎配置

在开始编码之前，需要确保 Python 环境中已安装 SQLAlchemy 以及与 MySQL 通信所需的底层 DBAPI 驱动 pymysql。这里推荐使用 SQLAlchemy 2.0 及以上版本，该版本提供了更清晰的现代类型提示语法与更严谨的执行模型。

终端安装命令
pip install sqlalchemy pymysql cryptography

示例输出：Successfully installed sqlalchemy-2.0.x pymysql-1.1.x cryptography-42.x

连接 MySQL 的关键入口是 create_engine 函数。连接字符串的标准格式如下： 

mysql+pymysql://<用户名>:<密码>@<主机地址>:<端口>/<数据库名>?charset=utf8mb4
使用SQLAlchemy ORM简化Python对MySQL的增删改查操作
图 2：使用 SQLAlchemy ORM 操作 MySQL 的标准开发五阶段流程

遵循图 2 的标准化开发步骤，我们先创建全局唯一的数据库引擎（Engine）。引擎本质上是连接池和方言（Dialect）的协调中枢，在实际调用执行之前并不会立即连接数据库：

Python 代码：初始化 Engine
from sqlalchemy import create_engine

# 构建 MySQL 连接 URL，注意必须指定 charset=utf8mb4 以完整支持中文及 Emoji
DATABASE_URL = "mysql+pymysql://app_user:SecurePass123@127.0.0.1:3306/shop_db?charset=utf8mb4"

# 创建 Engine 单例
engine = create_engine(
    DATABASE_URL,
    echo=False,              # 生产环境设为 False；调试阶段设为 True 可在终端打印原生 SQL
    pool_size=10,            # 连接池维持的长连接数量
    max_overflow=20,         # 峰值并发时允许临时超出创建的最大连接数
    pool_recycle=3600,       # 1小时自动回收连接，防止 MySQL 服务端因 8 小时空闲超时断开
    pool_pre_ping=True       # 每次借出连接前发送轻量心跳（PING），自动检测并剔除僵死连接
)

三、使用现代语法定义数据模型

在 SQLAlchemy 2.0 中，定义模型推荐继承 DeclarativeBase，并配合 Mapped 类型标注与 mapped_column 函数。这样不仅能让代码获得现代 IDE 的精准代码补全，还能对字段类型与数据库约束进行强类型对齐。

Python 代码：声明 User 数据模型
from datetime import datetime
from typing import Optional
from sqlalchemy import String, Integer, DateTime
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column

# 1. 声明基类
class Base(DeclarativeBase):
    pass

# 2. 声明业务数据表模型
class User(Base):
    __tablename__ = "users"

    # 主键自增 ID
    id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True)
    # 用户名，长度 50，不允许为空，建立索引
    username: Mapped[str] = mapped_column(String(50), nullable=False, index=True)
    # 电子邮箱，唯一约束
    email: Mapped[str] = mapped_column(String(120), unique=True, nullable=False)
    # 年龄，允许为空（Optional）
    age: Mapped[Optional[int]] = mapped_column(Integer, nullable=True)
    # 创建时间，默认取当前时间
    created_at: Mapped[datetime] = mapped_column(DateTime, default=datetime.utcnow)

    def __repr__(self) -> str:
        return f"<User(id={self.id}, username='{self.username}', email='{self.email}')>"

# 3. 自动同步数据表结构（如果 MySQL 中尚无此表，则执行建表）
Base.metadata.create_all(engine)
提示： Base.metadata.create_all(engine) 会自动检测 MySQL 中是否存在同名表。如果表已存在，它不会强制修改现有表结构；如果是大型项目或持续演进的生产系统，建议结合 Alembic 工具进行数据库版本迁移。

四、核心实战：增删改查（CRUD）操作

在 SQLAlchemy ORM 中，所有数据库操作均在一个称为 Session（会话）的工作单元内展开。为了确保连接不会因未正确关闭而发生泄漏，我们始终采用 Python 的上下文管理器（with Session(engine) as session:）。

1. 插入数据（Create）

新增数据仅需实例化 Python 模型对象，并调用 session.add() 或批量添加的 session.add_all()。调用 session.commit() 之后，MySQL 将执行 INSERT 语句，并且新插入行的自增 id 会被自动回填到 Python 对象中。

Python 代码：新增记录
from sqlalchemy.orm import Session

# 打开会话执行写入
with Session(engine) as session:
    # 单条插入
    new_user = User(username="李华", email="lihua@example.com", age=26)
    session.add(new_user)

    # 批量插入
    users_list = [
        User(username="王敏", email="wangmin@example.com", age=31),
        User(username="赵雷", email="zhaolei@example.com", age=22),
    ]
    session.add_all(users_list)

    # 显式提交事务
    session.commit()

    # 事务提交后，自增主键自动回填
    print(f"新增用户成功，生成的主键 ID: {new_user.id}")
示例输出：新增用户成功，生成的主键 ID: 1

2. 查询数据（Read）

SQLAlchemy 2.0 统一采用 select() 构造型查询，配合 session.scalars() 解析单实体结果集。这种模式让过滤条件、关联查询与排序分页的表达非常直观。

Python 代码：多样化查询示例
from sqlalchemy import select, desc

with Session(engine) as session:
    # 示例 A：按主键或唯一键查询单条数据
    stmt_single = select(User).where(User.email == "lihua@example.com")
    user = session.scalars(stmt_single).one_or_none()
    if user:
        print(f"查找到单条记录：{user.username}, 年龄：{user.age}")

    # 示例 B：多条件组合过滤与排序（年龄大于等于 25，按 ID 倒序排列）
    stmt_multi = (
        select(User)
        .where(User.age >= 25)
        .order_by(desc(User.id))
    )
    results = session.scalars(stmt_multi).all()
    print(f"满足条件的用户数量: {len(results)}")
    for u in results:
        print(f" - ID: {u.id}, 姓名: {u.username}, 邮箱: {u.email}")

    # 示例 C：分页查询（跳过 0 条，最多取 10 条）
    stmt_page = select(User).order_by(User.id).offset(0).limit(10)
    page_data = session.scalars(stmt_page).all()
示例输出： 查找到单条记录：李华, 年龄：26 满足条件的用户数量: 2 - ID: 2, 姓名: 王敏, 邮箱: wangmin@example.com - ID: 1, 姓名: 李华, 邮箱: lihua@example.com

3. 修改数据（Update）

在 ORM 中更新数据有两种常见方式：一种是基于实例对象的属性变更（利用 ORM 的自动脏检查机制）；另一种是直接构建批量更新语句 update()。对于常见业务，直接修改对象属性最为便捷。

Python 代码：修改记录
with Session(engine) as session:
    # 方式一：查出对象后直接修改属性（推荐，自带生命周期保护）
    stmt = select(User).where(User.username == "李华")
    user_to_update = session.scalars(stmt).first()

    if user_to_update:
        # 修改属性，此时实体对象在 Session 内部被自动标记为 Dirty
        user_to_update.age = 27
        user_to_update.email = "lihua_updated@example.com"
        
        # 提交事务时，SQLAlchemy 自动编译并执行 UPDATE 语句
        session.commit()
        print(f"用户更新完成，新年龄: {user_to_update.age}")

    # 方式二：直接执行高性能条件批量更新（无需先将实体全部载入内存）
    from sqlalchemy import update
    session.execute(
        update(User)
        .where(User.age < 20)
        .values(age=20)
    )
    session.commit()
示例输出：用户更新完成，新年龄: 27

4. 删除数据（Delete）

删除操作同样支持基于查出对象的 session.delete()，以及基于条件的 delete() 批量语句。

Python 代码：删除记录
from sqlalchemy import delete

with Session(engine) as session:
    # 方式一：删除已加载的实例对象
    user_to_delete = session.scalars(select(User).where(User.username == "赵雷")).first()
    if user_to_delete:
        session.delete(user_to_delete)
        session.commit()
        print("指定用户已从数据库中成功移除")

    # 方式二：按条件批量删除
    session.execute(
        delete(User).where(User.email.like("%@temp.com"))
    )
    session.commit()
示例输出：指定用户已从数据库中成功移除

五、深入理解：Session 状态转换与事务机制

初学者在使用 ORM 时最容易产生疑惑的地方是：“为什么有时修改了属性会自动更新，有时却报错说对象 Detached？”这背后是 SQLAlchemy 的工作单元（Unit of Work）和对象状态机在起作用。

使用SQLAlchemy ORM简化Python对MySQL的增删改查操作
图 3：SQLAlchemy 实体对象四大状态流转与事务生命周期

如图 3 所示，实体对象在 Python 运行生命周期内会在四种状态之间切换：

  1. Transient（瞬时态）：刚通过 User(...) 在内存中实例化的对象。此时它完全脱离会话，无主键 ID，数据库也没有对应记录。
  2. Pending（挂起态）：执行 session.add(user) 后，对象进入当前会话的挂起队列。尚未向 MySQL 发送真正的 INSERT。
  3. Persistent（持久态）：当调用 commit() 或 flush()、或者直接通过 select() 从数据库查出对象时，对象处于持久态。对象拥有数据库主键，且受到 Session 的自动脏检查监控。任何对属性的赋值修改，都会在下一次提交时自动触发相应的 UPDATE。
  4. Deleted（标记删除态）：调用 session.delete(user) 后，对象被标记为待删除，在事务提交时由数据库执行物理 DELETE。
重要原则： Session 对象绝不能在多线程之间共享，也不要在一个全局长生命周期里使用同一个 Session。标准的最佳实践是“短生命周期模式”：每次 HTTP 请求或后台离线任务开启一个独立的 with Session(engine) as session: 块，用完即随上下文自动销毁并归还数据库连接。

六、原生方式与 ORM 综合对比及避坑实践

为了帮助读者系统掌握两者的区别与选择依据，我们将原生 PyMySQL 驱动方式与 SQLAlchemy ORM 在实际工程中的表现整理为对照矩阵。

使用SQLAlchemy ORM简化Python对MySQL的增删改查操作
图 4：原生 SQL 驱动拼接与 SQLAlchemy ORM 关键能力对照矩阵及语法速查

常见易错问题排查

  • 1. 中文或 Emoji 写入报错 Incorrect string value：
    原因在于 MySQL 数据库字符集或连接驱动未启用完整的 4 字节 utf8 支持。必须确保连接 URL 明确带有 ?charset=utf8mb4，同时 MySQL 中数据表字符集设置为 utf8mb4、排序规则为 utf8mb4_unicode_ci。
  • 2. 运行一段时间后出现 MySQL server has gone away：
    MySQL 默认的 wait_timeout 为 8 小时，长时间没有查询的空闲连接会被 MySQL 主动掐断。在 create_engine 中必须配置 pool_pre_ping=True（借出前探活）以及 pool_recycle=3600（定期回收老化连接）。
  • 3. 执行新增或修改操作后，MySQL 表中却没有数据变化：
    这是初学者最常见的问题：ORM 的所有写操作默认均在事务中，未显式调用 session.commit() 时，退出 with 代码块会触发隐式回滚（Rollback）。排查代码中是否遗漏了 session.commit() 即可解决。

相关文章

相关专题: python编程入门自学

免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。

作者最新文章

全部文章

Python 相关产品和应用

全部下载
python编程入门自学
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

python编程入门自学
scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

python编程入门自学
Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

python编程入门自学
Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

python编程入门自学
pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

python编程入门自学FastAPI教程
FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架，支持类型提示和自动接口文档。

python编程入门自学Python Flask
Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

python编程入门自学Django教程
Django

Django

6.1.2 · Windows

成熟的 Python Web 框架，适合构建内容站点和业务系统。

python编程入门自学
Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

python编程入门自学
SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。