SQLAlchemy 是 Python 生态中广泛使用的 ORM 框架，支持多种数据库。本文将介绍如何使用 SQLAlchemy 连接 MySQL，涵盖环境搭建、核心概念、CRUD 实战及关系映射。
一、前置准备：环境配置
在写代码前，需完成以下配置：安装 MySQL、安装 Python 库、配置连接。
1. 安装 MySQL
推荐使用 Docker 部署 MySQL 以简化环境配置：
# 启动 MySQL 8.0 容器（密码设为 root123，端口映射 3306）
docker run -d --name mysql -p 3306:3306 -e MYSQL_ROOT_PASSWORD=root123 mysql:8.0
验证是否启动成功：
docker ps # 查看 mysql 容器是否在运行
2. 安装 Python 依赖库
需要两个库：
pymysql：Python 连接 MySQL 的驱动；sqlalchemy：核心 ORM 框架。
用 pip 安装：
pip install pymysql sqlalchemy
3. 测试 MySQL 连接
先写一段代码，验证能否连接到 MySQL：
from sqlalchemy import create_engine
# MySQL 连接字符串格式：mysql+pymysql://用户名：密码@主机：端口/数据库名
# 注意：首次连接需要先在 MySQL 中创建数据库（比如 test_db）
engine = create_engine('mysql+pymysql://root:root123@localhost:3306/test_db')
# 测试连接（无报错则成功）
with engine.connect() as conn:
print("连接成功！")
关键说明：
- 连接字符串中的
test_db需要先在 MySQL 中创建（用 Navicat 或命令行CREATE DATABASE test_db;）； - 如果用本地 MySQL 而非 Docker，
host填localhost，密码填安装时设置的密码。
二、SQLAlchemy 核心概念
SQLAlchemy 的核心是'用对象封装数据库操作'，主要包含 3 个关键组件：
1. Engine：数据库连接的'总开关'
- 作用：管理数据库连接池（不用每次操作都新建连接，提升性能）；
- 类比：像家里的'总电源开关'，控制所有电器的供电。
创建 Engine 的代码：
from sqlalchemy import create_engine
engine = create_engine(
'mysql+pymysql://root:root123@localhost:3306/test_db',
echo=True, # 打印执行的 SQL（调试用，上线关闭）
pool_size=5, # 连接池大小（默认 5）
max_overflow=10 # 超出连接池后的最大连接数（默认 10）
)
2. Base：所有模型的'模板'
- 作用：定义模型类的基类，自动映射类到数据库表；
- 类比：像'建筑图纸'，所有房子（模型类）都基于这个图纸建造。
创建 Base 的代码：
from sqlalchemy.orm import declarative_base
Base = declarative_base()
3. Session：操作数据库的'把手'
- 作用：负责和数据库交互（新增、查询、更新、删除）；
- 类比：像'遥控器'，通过它控制电视（数据库）的操作。
创建 Session 的代码：
from sqlalchemy.orm import sessionmaker
SessionLocal = sessionmaker(bind=engine) # 创建 Session 工厂（绑定 Engine）
session = SessionLocal() # 获取 Session 实例（每次操作都要新建 Session）
总结：Engine→连接池→Session→操作数据库；Base→模型类→表结构。
三、实战 1：定义第一个模型类 ——User 表
现在，我们用 Base 定义一个 User 类，对应 MySQL 的 users 表。
1. 定义模型类
from sqlalchemy import Column, Integer, String, DateTime
from sqlalchemy.sql import func
from datetime import datetime
# 继承 Base 基类
class User(Base):
__tablename__ = 'users' # 对应数据库的 users 表（必须小写）
id = Column(Integer, primary_key=True, index=True) # 主键（自增）
name = Column(String(50), nullable=False) # 姓名（非空）
email = Column(String(100), unique=True, index=True) # 邮箱（唯一，加索引）
age = Column(Integer) # 年龄（可选）
created_at = Column(DateTime(timezone=True), default=func.now()) # 创建时间（自动填充当前时间）
关键说明：
__tablename__：模型类对应的表名（必须和数据库中的表名一致，MySQL 默认小写）；primary_key=True：标记为主键（自增）；nullable=False：字段非空（插入数据时必须传值）；unique=True：字段唯一（避免重复邮箱）；func.now()：用 MySQL 的NOW()函数自动填充当前时间（比 Python 的datetime.now()更准确）。
2. 创建表结构
定义好模型类后，需要用 Base 创建表：
# 创建所有继承 Base 的模型对应的表（第一次运行时执行）
Base.metadata.create_all(bind=engine)
注意：
- 这段代码只会创建不存在的表（不会覆盖已有表）；
- 如果修改了模型类（比如新增字段），需要用迁移工具（如 Alembic）更新表结构（本文暂不展开）。
四、实战 2：CRUD 操作
现在，我们用 Session 实现增删改查，全程不用写 SQL！
1. 新增数据（Create）
# 创建 User 实例（相当于数据库中的一行数据）
user = User(name='张三', email='[email protected]', age=18)
# 将实例添加到 Session（相当于'暂存'）
session.add(user)
# 提交 Session（相当于'确认'，将数据写入数据库）
session.commit()
# 刷新实例（获取自增的 id）
session.refresh(user)
print(f"新增用户 ID：{user.id}")
关键说明：
add()只是将数据'暂存'到 Session，必须 commit() 才会写入数据库；refresh()会从数据库中获取最新数据（比如自增的 id）。
2. 查询数据（Read）
SQLAlchemy 提供了强大的查询 API，常用的有：
（1）根据主键查询（最常用）
# 根据 id=1 查询用户
user = session.get(User, 1)
if user:
print(f"用户姓名：{user.name}，邮箱：{user.email}")
else:
print("用户不存在")
（2）条件查询（比如查年龄≥18 的用户）
from sqlalchemy import select
# 构建查询语句（SELECT * FROM users WHERE age >= 18）
stmt = select(User).where(User.age >= 18)
# 执行查询（返回所有符合条件的用户）
users = session.execute(stmt).scalars().all()
for user in users:
print(f"ID：{user.id}，姓名：{user.name}")
（3）模糊查询（比如查姓名包含'张'的用户）
stmt = select(User).where(User.name.like('%张%'))
users = session.execute(stmt).scalars().all()
3. 更新数据（Update）
# 先查询要修改的用户
user = session.get(User, 1)
# 修改属性
user.age = 20
user.email = '[email protected]'
# 提交修改（自动生成 UPDATE 语句）
session.commit()
4. 删除数据（Delete）
# 先查询要删除的用户
user = session.get(User, 1)
# 删除实例
session.delete(user)
# 提交删除（自动生成 DELETE 语句）
session.commit()
五、实战 3：关系映射
实际项目中，表之间一定有关系（比如用户和订单的'一对多'），SQLAlchemy 能自动处理这些关系。
1. 定义关联模型（比如 Order 表）
class Order(Base):
__tablename__ = 'orders'
id = Column(Integer, primary_key=True, index=True)
user_id = Column(Integer, ForeignKey('users.id')) # 外键（关联 users 表的 id）
product = Column(String(100), nullable=False)
price = Column(Integer, nullable=False)
created_at = Column(DateTime(timezone=True), default=func.now())
# 关系映射：Order→User（多对一）
user = relationship('User', back_populates='orders')
2. 在 User 表中添加反向关系
class User(Base):
__tablename__ = 'users'
# 之前的字段...
# 反向关系：User→Order（一对多）
orders = relationship('Order', back_populates='user')
3. 测试关系映射
# 创建用户
user = User(name='李四', email='[email protected]', age=25)
session.add(user)
session.commit()
# 创建订单（自动关联 user_id）
order1 = Order(user_id=user.id, product='手机', price=5999)
order2 = Order(user_id=user.id, product='电脑', price=9999)
session.add_all([order1, order2])
session.commit()
# 查询用户的所有订单（通过 user.orders）
user = session.get(User, user.id)
for order in user.orders:
print(f"订单 ID：{order.id}，商品：{order.product}，价格：{order.price}")
关键说明：
ForeignKey('users.id')：Order 表的user_id关联 User 表的id（外键约束）；relationship：定义模型之间的关系（比如 User 的orders属性会自动查询该用户的所有订单）；back_populates：双向关联（User 的orders和 Order 的user互相引用）。
六、进阶优化与注意事项
1. 连接池配置（提升性能）
Engine 默认开启连接池（大小 5），可以通过 create_engine 的参数优化：
engine = create_engine(
'mysql+pymysql://root:root123@localhost:3306/test_db',
pool_size=10, # 连接池大小（默认 5）
max_overflow=20, # 超出连接池后的最大连接数（默认 10）
pool_timeout=30, # 获取连接的超时时间（默认 30 秒）
pool_recycle=1800 # 连接的存活时间（1800 秒=30 分钟，避免连接失效）
)
2. 避免 SQL 注入（安全第一）
SQLAlchemy 的 query 和 execute 方法会自动处理 SQL 注入（用参数化查询），禁止手动拼接 SQL！
错误示例（会被 SQL 注入）：
name = "张三'; DROP TABLE users; --"
session.execute(f"SELECT * FROM users WHERE name='{name}'") # 危险！
正确示例（参数化查询）：
from sqlalchemy import text
name = "张三'; DROP TABLE users; --"
# 用 text() 和参数化查询
stmt = text("SELECT * FROM users WHERE name=:name")
session.execute(stmt, {"name": name}) # 安全！
3. 事务处理（避免数据不一致）
SQLAlchemy 的 Session 默认开启事务，必须 commit() 才会提交，rollback() 可以回滚：
try:
user = User(name='王五', email='[email protected]')
session.add(user)
# 模拟错误（比如除以 0）
1 / 0
session.commit()
except Exception as e:
session.rollback() # 回滚事务（取消之前的操作）
print(f"错误：{e}")
七、常见问题解答
1. 连接报错 'Access denied for user 'root'@'localhost''
- 原因：密码错误或用户没有权限；
- 解决：检查连接字符串中的密码，或在 MySQL 中给 root 用户授权：
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root123' WITH GRANT OPTION;
FLUSH PRIVILEGES;
2. 新增数据时报 'Duplicate entry '[email protected]' for key 'email''
- 原因：邮箱重复（
unique=True约束）； - 解决：确保插入的邮箱唯一，或在代码中处理重复错误。
3. 查询结果为空，但数据库中有数据
- 原因：
index=True需要先创建索引（或模型类的__tablename__写错）； - 解决：检查模型类的
__tablename__是否和数据库表名一致，或重新创建表（Base.metadata.drop_all()→Base.metadata.create_all()）。
八、总结
SQLAlchemy 是 Python 中最常用的 ORM 框架之一，其优势包括：
- 跨数据库支持：支持 MySQL、PostgreSQL、SQLite 等，切换数据库只需修改连接字符串；
- 强大的查询 API：支持复杂查询（联表、分组、排序），不用写 SQL；
- 事务管理：自动处理事务，避免数据不一致；
- 性能优化：连接池、索引、延迟加载等功能提升性能。
适用场景：
- 中大型项目（需要复杂的数据库操作）；
- 多数据库切换（比如从 SQLite 迁移到 MySQL）；
- 需要事务管理和安全的项目（比如电商、金融）。
九、后续学习建议
- 学习 Alembic：数据库迁移工具（修改模型类后，自动更新表结构）；
- 学习 SQLAlchemy Core：直接写 SQL 表达式（比 ORM 更灵活）；
- 学习 查询优化：比如
joinedload（预加载关联数据，避免 N+1 查询）。
经验总结：ORM 是工具，不是银弹——简单的查询可以用 ORM，复杂的查询（比如多表联查、统计）建议用 SQLAlchemy Core 或原生 SQL，平衡开发效率和性能。