高效邮件发送系统设计与实现:基于Python和SQLAlchemy的实践

高效邮件发送系统设计与实现:基于Python和SQLAlchemy的实践
个人名片

🎓作者简介:java领域优质创作者
🌐个人主页码农阿豪
📞工作室:新空间代码工作室(提供各种软件服务)
💌个人邮箱:[[email protected]]
📱个人微信:15279484656
🌐个人导航网站:www.forff.top
💡座右铭:总有人要赢。为什么不能是我呢?
  • 专栏导航:
码农阿豪系列专栏导航
面试专栏:收集了java相关高频面试题,面试实战总结🍻🎉🖥️
Spring5系列专栏:整理了Spring5重要知识点与实战演练,有案例可直接使用🚀🔧💻
Redis专栏:Redis从零到一学习分享,经验总结,案例实战💐📝💡
全栈系列专栏:海纳百川有容乃大,可能你想要的东西里面都有🤸🌱🚀

目录

高效邮件发送系统设计与实现:基于Python和SQLAlchemy的实践

引言

在现代Web应用中,邮件通知是不可或缺的功能之一。无论是订单确认、文件处理结果通知,还是系统告警,邮件都是最常用的通信方式之一。本文将详细介绍如何基于 Python、SQLAlchemy 和 SMTP 协议,构建一个高效、可靠的邮件发送系统。我们将从需求分析、数据库设计、代码实现到优化策略,一步步实现一个支持附件发送、多收件人管理的邮件服务。


1. 需求分析

我们的系统需要满足以下核心需求:

  1. 多收件人支持:
    • 支持直接指定收件人邮箱(如 receiver_email)。
    • 支持通过 user_id 查询关联的用户邮箱(存储在 User 表中)。
    • 自动去重,避免重复发送。
  2. 附件发送:
    • 支持发送文件附件(如CSV、Excel等)。
    • 确保附件读取和发送的稳定性。
  3. 错误处理与日志:
    • 记录邮件发送状态(成功/失败)。
    • 提供详细的错误日志,便于排查问题。
  4. 性能优化:
    • 避免重复构建邮件内容。
    • 支持批量发送,减少SMTP连接开销。

2. 数据库设计

邮件发送系统通常需要关联用户数据,因此我们使用 SQLAlchemy 定义数据模型:

2.1 User 表(存储用户信息)

from flask_sqlalchemy import SQLAlchemy db = SQLAlchemy()classUser(db.Model): __tablename__ ='user'id= db.Column(db.Integer, primary_key=True) email = db.Column(db.String(120), nullable=False, unique=True) username = db.Column(db.String(80), nullable=False)# 其他字段...

2.2 CustomerOrder 表(关联用户订单)

classCustomerOrder(db.Model): __tablename__ ='customer_order'id= db.Column(db.Integer, primary_key=True) user_id = db.Column(db.Integer, db.ForeignKey('user.id'), nullable=False) tracking_number = db.Column(db.String(50), nullable=False) order_number = db.Column(db.String(50), nullable=False)# 其他字段...# 定义与User表的关系 user = db.relationship('User', backref='orders')

3. 邮件发送核心实现

3.1 基础邮件发送(SMTP)

我们使用Python的 smtplibemail 库实现邮件发送:

import smtplib from email.mime.multipart import MIMEMultipart from email.mime.text import MIMEText from email.mime.application import MIMEApplication import os defsend_email(to_email, subject, body, attachment_path=None):"""发送邮件(支持附件)"""# 邮件服务器配置 smtp_server ="smtp.qq.com" smtp_port =465 sender_email ="[email protected]" password ="your_smtp_password"# 建议使用环境变量# 创建邮件对象 msg = MIMEMultipart() msg['From']= sender_email msg['To']= to_email msg['Subject']= subject # 添加正文 msg.attach(MIMEText(body,'plain'))# 添加附件(如果有)if attachment_path:withopen(attachment_path,"rb")asfile: part = MIMEApplication(file.read(), Name=os.path.basename(attachment_path)) part['Content-Disposition']=f'attachment; filename="{os.path.basename(attachment_path)}"' msg.attach(part)# 发送邮件try:with smtplib.SMTP_SSL(smtp_server, smtp_port)as server: server.login(sender_email, password) server.sendmail(sender_email, to_email, msg.as_string())returnTrueexcept Exception as e:print(f"邮件发送失败: {e}")returnFalse

3.2 多收件人邮件发送(优化版)

结合SQLAlchemy查询,实现多收件人邮件发送:

defsend_email_to_recipients(filepath, receiver_email=None):"""发送邮件给指定邮箱和用户关联邮箱"""# 获取当前用户ID(假设通过PassportService) token, user_id = PassportService.current_user_id()# 收件人集合(自动去重) recipients =set()# 1. 添加直接指定的邮箱if receiver_email: recipients.add(receiver_email)# 2. 查询用户关联邮箱 user = User.query.get(user_id)if user and user.email: recipients.add(user.email)ifnot recipients:print("无有效收件人")returnFalse# 发送邮件(每个邮箱只发一次) success =Truefor email in recipients:ifnot send_email(email,"文件处理结果","请查收附件", filepath): success =Falsereturn success 

4. 优化策略

4.1 使用集合(Set)去重

recipients =set() recipients.add("[email protected]")# 自动去重

4.2 减少SMTP连接次数

# 优化:复用SMTP连接with smtplib.SMTP_SSL(smtp_server, smtp_port)as server: server.login(sender_email, password)for email in recipients: server.sendmail(...)

4.3 异步发送(Celery + Redis)

from celery import Celery celery = Celery('tasks', broker='redis://localhost:6379/0')@celery.taskdefasync_send_email(to_email, subject, body, attachment_path=None): send_email(to_email, subject, body, attachment_path)

5. 完整代码示例

# app.pyfrom flask import Flask from flask_sqlalchemy import SQLAlchemy import smtplib from email.mime.multipart import MIMEMultipart from email.mime.text import MIMEText from email.mime.application import MIMEApplication import os app = Flask(__name__) app.config['SQLALCHEMY_DATABASE_URI']='sqlite:///app.db' db = SQLAlchemy(app)# 定义User和CustomerOrder模型(略)defsend_email_with_attachment(filepath, receiver_email=None):"""发送邮件给指定邮箱和用户关联邮箱"""# 获取当前用户ID token, user_id = PassportService.current_user_id()# 收件人集合 recipients =set()if receiver_email: recipients.add(receiver_email) user = User.query.get(user_id)if user and user.email: recipients.add(user.email)ifnot recipients:returnFalse# SMTP配置 smtp_server ="smtp.qq.com" smtp_port =465 sender_email ="[email protected]" password ="your_password"# 创建邮件内容 msg = MIMEMultipart() msg['From']= sender_email msg['Subject']="文件处理结果" msg.attach(MIMEText("请查收附件",'plain'))# 添加附件withopen(filepath,"rb")asfile: part = MIMEApplication(file.read(), Name=os.path.basename(filepath)) part['Content-Disposition']=f'attachment; filename="{os.path.basename(filepath)}"' msg.attach(part)# 发送邮件try:with smtplib.SMTP_SSL(smtp_server, smtp_port)as server: server.login(sender_email, password)for email in recipients: msg['To']= email server.sendmail(sender_email, email, msg.as_string())returnTrueexcept Exception as e:print(f"发送失败: {e}")returnFalse

6. 总结

本文详细介绍了如何基于 Python + SQLAlchemy + SMTP 实现高效邮件发送系统,核心优化点包括:

  1. 多收件人管理(自动去重)。
  2. 附件发送支持(文件读取优化)。
  3. 错误处理与日志(增强稳定性)。
  4. 性能优化(减少SMTP连接次数)。

通过合理的代码设计,我们可以构建一个健壮、可扩展的邮件通知系统,适用于订单处理、文件通知等场景。

Read more

Nanbeige4.1-3B基础教程:从LlamaForCausalLM源码看3B模型前向传播优化

Nanbeige4.1-3B基础教程:从LlamaForCausalLM源码看3B模型前向传播优化 1. 引言:为什么需要关注3B模型的前向传播? 如果你正在使用或者打算使用像Nanbeige4.1-3B这样的3B参数规模模型,可能会发现一个有趣的现象:它的推理速度有时比想象中要快,尤其是在处理长文本时。这背后有什么秘密吗? 今天,我们就从一个工程师的视角,深入LlamaForCausalLM的源码,看看一个3B模型在前向传播过程中做了哪些优化。这不是一篇枯燥的论文解读,而是一次实战探索——我们会结合代码,一步步拆解模型是如何高效运行的。 学习目标: * 理解3B模型前向传播的核心流程 * 掌握从源码层面分析模型性能的方法 * 学会在实际项目中应用这些优化思路 前置知识:只需要基础的Python和PyTorch知识,不需要深入了解Transformer的所有细节。我们会用最直白的方式解释复杂的概念。 2. 环境准备与模型加载 2.1 基础环境搭建 在开始分析源码之前,我们先确保环境正确配置。Nanbeige4.1-3B基于Llama架构,所以我们需要标准的T

By Ne0inhk

Claude Code 的完美平替:OpenCode + GitHub Copilot(顶级模型+最优价格)

引言:Claude 虽好,但你真的能用上吗? 在当前席卷全球的“Vibe Coding”浪潮中,Anthropic 推出的 Claude 系列模型 + 终端工具 Claude Code,凭借极强的逻辑推理能力,成为了开发者眼中的“白月光”。但现实是残酷的:对于中国开发者而言,账号随时被封、海外信用卡支付遭拒、API 额度受限以及复杂的网络环境,构成了一道难以逾越的门槛。 虽然最近国产编程模型不断发力,Claude Code + GLM-4.7 的表现非常出色,但面对复杂问题,Claude系列模型依然完胜。难道我们只能眼馋Claude全家桶的编程体验吗? 作为一名追求极致生产力的开发者,我发现了一个绝佳的完美替代方案:OpenCode + GitHub Copilot。这个组合不仅能让你享受如 GLM-4.7 一样的性价比,还能更方便的使用 Claude 的顶级模型。 Claude Code 的开源平替:OpenCode

By Ne0inhk
一文熟悉新版llama.cpp使用并本地部署LLAMA

一文熟悉新版llama.cpp使用并本地部署LLAMA

0. 简介 关于UCloud(优刻得)旗下的compshare算力共享平台 UCloud(优刻得)是中国知名的中立云计算服务商,科创板上市,中国云计算第一股。 Compshare GPU算力平台隶属于UCloud,专注于提供高性价4090算力资源,配备独立IP,支持按时、按天、按月灵活计费,支持github、huggingface访问加速。 使用下方链接注册可获得20元算力金,免费体验10小时4090云算力 https://www.compshare.cn/?ytag=GPU_lovelyyoshino_LZEEKLOG_ZEEKLOG_display 最近是快到双十一了再给大家上点干货。去年我们写了一个大模型的系列,经过一年,大模型的发展已经日新月异。这一次我们来看一下使用llama.cpp这个项目,其主要解决的是推理过程中的性能问题。主要有两点优化: * llama.cpp 使用的是 C 语言写的机器学习张量库 ggml llama.cpp 提供了模型量化的工具 此项目的牛逼之处就是没有GPU也能跑LLaMA模型。llama.

By Ne0inhk
Copilot vs Claude Code终极对决哪个会更好用呢?

Copilot vs Claude Code终极对决哪个会更好用呢?

📊 核心差异:一句话概括 * GitHub Copilot:你的智能代码补全器 * Claude Code:你的全栈AI开发伙伴 🎯 一、产品定位对比 GitHub Copilot:专注代码补全 <TEXT> 定位:AI结对编程助手 核心理念:让你写代码更快 核心功能:基于上下文的代码建议和补全 收费模式:个人$10/月,企业$19/用户/月 Claude Code:全栈开发加速器 <TEXT> 定位:AI驱动的开发平台 核心理念:提升整个开发流程效率 核心功能:代码生成+架构设计+调试+部署 收费模式:按token计费,灵活弹性 ⚡ 二、核心技术对比

By Ne0inhk