昨日内容回顾
# 1 导出项目依赖 pipreqs
# 2 函数和方法的区别
# 3 local对象
-并发编程中的一个对象,它可以保证多线程并发访问数据安全
-本质原理是:不同的线程,操作的是自己的数据
-不支持协程
# 4 自己定义local,支持线程和协程
# 注意点一:
try:
# 只要解释器没有装greenlet,这句话就会报错
# 一旦装了,有两种情况,使用了协程和没用协程,无论使用不使用,用getcurrent都能拿到协程号
from greenlet import getcurrent as get_ident
except Exception as e:
from threading import get_ident
# 注意点二:重写__setattr__和__getattr__
类内部使用self.storage 会递归
使用类调用对象的方法,它就是普通函数,有几值传几个值
object.__setattr__(self, 'storage',{})
等同于:self.storage={}
等价于:setattr(self, 'storage',{}) 会递归
# 5 flask是如何实现这个local类的
def __setattr__(self, name, value):
ident = self.__ident_func__()
storage = self.__storage__
try:
storage[ident][name] = value
except KeyError:
storage[ident] = {name: value}
def __getattr__(self, name):
try:
return self.__storage__[self.__ident_func__()][name]
except KeyError:
raise AttributeError(name)
def __getattr__(self, k):
ident = get_ident()
return self.storage[ident][k]
def __setattr__(self, k, v):
ident = get_ident() #如果用协程,这就是协程号,如果是线程,这就是线程号
if ident in self.storage: #{'协程id号':{arg:1},'协程id号':{arg:2},'协程id号':{arg:3}}
self.storage[ident][k] = v
else:
self.storage[ident] = {k: v}
# 6 偏函数:提前传值,返回一个对象,后期可以调用这个对象,传入后续的值
# 7 请求上下文源码分析(ctx 对象),整个flask的执行流程
-一旦请求来了----》会执行 Flask类的对象app()---》触发Flask __call__--->self.wsgi_app(environ, start_response)
-Flask类wsgi_app 方法 大约 2417行
def wsgi_app(self, environ, start_response):
#1 返回了一个ctx,请求上下文对象,RequestContext 的对象,里面有session,request
ctx = self.request_context(environ)
try:
try:
# 2 ctx.push---->RequestContext的push---》382行
# _request_ctx_stack.push(self)--self是ctx---》是全局变量
# 是LocalStack()的对象
ctx.push()
# 匹配路由执行视图函数,请求扩展
response = self.full_dispatch_request()
except Exception as e:
error = e
response = self.handle_exception(e)
except: # noqa: B001
error = sys.exc_info()[1]
raise
# 把结果返回给wsgi服务器
return response(environ, start_response)
finally:
if self.should_ignore_error(error):
error = None
# 把当前放进去的ctx剔除,当次请求结束了
ctx.auto_pop(error)
-是LocalStack()的对象 的push ,传入了ctx
def push(self, obj):
# self._local是 Flask自己定义的兼容线程和协程的Local
#self._local中反射 stack,会根据不同线程或协程,返回不同线程的stack
#rv是None的
rv = getattr(self._local, "stack", None)
if rv is None:
# rv=[]
# self._local.stack=rv
#self._local={'协程id号1':{stack:[]},'协程id号2':{stack:[]}}
self._local.stack = rv = []
rv.append(obj)
#self._local={'协程id号1':{stack:[ctx,]},'协程id号2':{stack:[]}}
return rv
- 在视图函数中:request = LocalProxy(partial(_lookup_req_object, "request"))
-print(request.method) # 执行requets对象的 __getattr__
-LocalProxy的__getattr__-->核心:
-return getattr(self._get_current_object(), name)
-self._get_current_object() 是 ctx中的真正request对象,那method,自如就拿到当次请求的method
-def _get_current_object(self):
if not hasattr(self.__local, "__release_local__"):
#object.__setattr__(self, "_LocalProxy__local", local),初始化传入的
# local 是 partial(_lookup_req_object, "request")
#
# getattr(_lookup_req_object('request'), 'method')
# getattr(当次请求的reuqest, 'method')
return self.__local() # self中的 __local,隐藏属性
try:
return getattr(self.__local, self.__name__)
except AttributeError:
raise RuntimeError("no object bound to %s" % self.__name__)
-def _lookup_req_object(name):
# 这里把当前线程下 的ctx取出来了
top = _request_ctx_stack.top
if top is None:
raise RuntimeError(_request_ctx_err_msg)
return getattr(top, name) # 去ctx中反射request,返回的就是当次请求的requets
# django flask 同步框架,部署的时候,使用uwsgi部署,uwsgi是进程线程架构,并发量不高
# 可以通过uwsgi+gevent,部署成异步程序
今日内容
-
信号
-
flask-script
-
sqlalchemy 快速使用
-
sqlalchemy介绍和快速使用
-
创建操作数据表
1 信号
# Flask框架中的信号基于blinker(安装这个模块),其主要就是让开发者可以在flask请求过程中定制一些用户行为 flask 和 django都有
# 观察者模式 又叫发布-订阅(Publish/Subscribe) 23 种设计模式之一
pip3.8 install blinker
信号:signial 翻译过来的
并发编程中学过 信号量Semaphore 两者没有关系
信号量:多把锁 可以让多个线程在临界区做东西
# 比如:用户表新增一条记录,就记录一下日志
-方案一:在每个增加后,都写一行代码 ---》后期要删除,比较麻烦
-方案二:使用信号,写一个函数,绑定内置信号,只要程序执行到这,就会执行这个函数
1.1 内置信号
# 内置信号: flask少一些,django多一些
request_started = _signals.signal('request-started') # 请求到来前执行
request_finished = _signals.signal('request-finished') # 请求结束后执行
before_render_template = _signals.signal('before-render-template') # 模板渲染前执行
template_rendered = _signals.signal('template-rendered') # 模板渲染后执行
got_request_exception = _signals.signal('got-request-exception') # 请求执行出现异常时执行
request_tearing_down = _signals.signal('request-tearing-down') # 请求执行完毕后自动执行(无论成功与否)
appcontext_tearing_down = _signals.signal('appcontext-tearing-down')# 应用上下文执行完毕后自动执行(无论成功与否)
appcontext_pushed = _signals.signal('appcontext-pushed') # 应用上下文push时执行
appcontext_popped = _signals.signal('appcontext-popped') # 应用上下文pop时执行
message_flashed = _signals.signal('message-flashed') # 调用flask在其中添加数据时,自动触发
1.2 内置信号使用步骤
# 使用内置信号的步骤
from flask import Flask, render_template, signals
app = Flask(__name__)
app.debug = True
#### 内置信号的使用
# 1 写一个函数
def text(*args, **kwargs):
print(args)
print(kwargs)
print('我执行了')
# 2 绑定信号
# 内置信号有很多,随意绑定一个,模板渲染前
signals.before_render_template.connect(text)
# 3 等待信号被触发
@app.route('/')
def hello_world():
return 'hello world'
@app.route('/index')
def index():
return render_template('index.html', name='superxz')
if __name__ == '__main__':
app.run()
1.3 自定义信号使用步骤
from flask import Flask, render_template, signals, session
from flask.signals import _signals
app = Flask(__name__)
app.debug = True
app.secret_key = 'asdwqdqwd'
#### 自定义信号
# 1 定义出信号
session_set = _signals.signal('session')
# 2 写一个函数
def text1(*args, **kwargs):
print(args)
print(kwargs)
print('session设置值了')
# 3 绑定自定义的信号
session_set.connect(text1)
# 4 触发信号的执行(咱们自己触发)
@app.route('/')
def hello_world():
session['superxz'] = 'superxz'
session_set.send('superxz') # 触发信号执行
return 'hello world'
@app.route('/index')
def index():
return render_template('index.html', name='superxz')
if __name__ == '__main__':
app.run()
# django中使用信号
https://www.cnblogs.com/liuqingzheng/articles/9803403.html
1.4 django信号
Model signals
pre_init # django的modal执行其构造方法前,自动触发
post_init # django的modal执行其构造方法后,自动触发
pre_save # django的modal对象保存前,自动触发
post_save # django的modal对象保存后,自动触发
pre_delete # django的modal对象删除前,自动触发
post_delete # django的modal对象删除后,自动触发
m2m_changed # django的modal中使用m2m字段操作第三张表(add,remove,clear)前后,自动触发
class_prepared # 程序启动时,检测已注册的app中modal类,对于每一个类,自动触发
Management signals
pre_migrate # 执行migrate命令前,自动触发
post_migrate # 执行migrate命令后,自动触发
Request/response signals
request_started # 请求到来前,自动触发
request_finished # 请求结束后,自动触发
got_request_exception # 请求异常后,自动触发
Database Wrappers
connection_created # 创建数据库连接时,自动触发
1.5 django 中使用信号
# django中使用内置信号
1 写一个函数
def callBack(*args, **kwargs):
print(args)
print(kwargs)
2 绑定信号
#方式一
post_save.connect(callBack)
# 方式二
from django.db.models.signals import pre_save
from django.dispatch import receiver
@receiver(pre_save)
def my_callback(sender, **kwargs):
print("对象创建成功")
print(sender)
print(kwargs)
3 等待触发
2 flask-script
# django中,有命令
python manage.py runserver
# flask启动项目,像django一样,通过命令启动
Flask==2.2.2
Flask_Script==2.0.3
# 借助于:flask-script 实现
-安装:pip3 install flask-script
-修改代码:
from flask import Flask
from flask_script import Manager
app = Flask(__name__)
manage = Manager(app)
app.secret_key = 'asdwqdqwd'
@app.route('/')
def hello_world():
return 'hello world'
if __name__ == '__main__':
# app.run()
manage.run()
-用命令启动
python manage.py runserver
2.1 自定制命令
# 1 简单自定制命令
@manager.command
def custom(arg):
# 命令的代码,比如:初始化数据库, 有个excel表格,使用命令导入到mysql中
print(arg)
2.3 复杂一些的自定制命令
# 复杂一些的自定制命令
@manage.option('-n', '--name', dest='name')
@manage.option('-u', '--url', dest='url')
def cmd(name, url):
# python manage.py cmd -n superxz -u xxx
# python manage.py cmd --name superxz --url xxx
print(name, url)
# django 中如何自定制命令
3 sqlalchemy 介绍
# flask 中没有orm框架,对象关系映射,方便我们快速操作数据库
# flask fastapi中用sqlalchemy居多
# SQLAlchemy是一个基于python实现的ORM框架。该框架建立在DB API之上,使用关系对象映射进行数据库操作,简言之便是:将类和对象转换成SQL,然后使用数据API执行SQL并获取执行结果
# 安装
pip install sqlalchemy
#了解
SQLAlchemy本身无法操作数据库,其必须以来pymsql等第三方插件
pymysql
mysql+pymysql://<username>:<password>@<host>/<dbname>[?<options>]
cx_Oracle
oracle+cx_oracle://user:pass@host:port/dbname[?key=value&key=value...]
更多:http://docs.sqlalchemy.org/en/latest/dialects/index.html
4 sqlalchemy快速使用
# 先不是orm,而是原生sql
# 第一步:导入
from sqlalchemy import create_engine
# 第二步:生成引擎对象
engine = create_engine(
"mysql+pymysql://root:[email protected]:3306/ddsf_ympt",
max_overflow=0, # 超过连接池大小外最多创建的连接
pool_size=5, # 连接池大小
pool_timeout=30, # 池中没有线程最多等待时间,否则报错
pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置
)
# 第三步:使用引擎获取连接,操作数据库
conn = engine.raw_connection()
cursor = conn.cursor()
cursor.execute('select * from pt_user_addr')
print(cursor.fetchall())
5 创建操作数据表
# 第一步:导入
from sqlalchemy import create_engine
import datetime
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Text, ForeignKey, DateTime, UniqueConstraint, Index
# 第二步:执行declarative_base,得到一个类
Base = declarative_base()
# 第三步:继承生成的Base类
class User(Base):
# 第四步:写字段
id = Column(Integer, primary_key=True) # 生成一列,类型的Integer,主键
name = Column(String(32), index=True, nullable=False) # name列varchar32,索引,不可为空
email = Column(String(32), unique=True)
ctime = Column(DateTime, default=datetime.datetime.now) # datetime.datetime.now不能加括号,加了括号,以后永远是当前时间
# extra = Column(Text, nullable=True)
# 第五步:写表名 必须指定表名 不指定则报错
__tablename__ = 'users' # 数据库表名
# 第六步:建立联合索引,联合唯一
__table_args__ = (
UniqueConstraint('id', 'name', name='uix_id_name'), # 联合唯一
Index('ix_id_name', 'name', 'email'), # 联合索引
)
class Book(Base):
__tablename__ = 'books'
id = Column(Integer, primary_key=True)
name = Column(String(32))
# 第七步:把表同步到数据库中
# 不会创建库,只会创建表
engine = create_engine(
"mysql+pymysql://root:[email protected]:3306/aaa",
max_overflow=0, # 超过连接池大小外最多创建的连接
pool_size=5, # 连接池大小
pool_timeout=30, # 池中没有线程最多等待时间,否则报错
pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置
)
# 把表同步到数据库 (把被Base管理的所有表,都创建到数据库)
Base.metadata.create_all(engine)
# 把所有表删除
# Base.metadata.drop_all(engine)