數據庫連接池，本地線程，上下文管理

一、數據庫連接池

flask中是沒有ORM的，如果在flask里要連接數據庫有兩種方式

一：pymysql
二：SQLAlchemy
        是python 操作數據庫的一個庫。能夠進行 orm 映射官方文檔 sqlchemy
        SQLAlchemy“采用簡單的Python語言，為高效和高性能的數據庫訪問設計，實現了完整的企業級持久模型”。SQLAlchemy的理念是，SQL數據庫的量級和性能重要於對象集合；而對象集合的抽象又重要於表和行。

 

 1.鏈接池原理

- DBUtils數據庫鏈接池  
            - 模式一：基於threaing.local實現為每一個線程創建一個連接，關閉是偽關閉，當前線程可以重復
            - 模式二：連接池原理
                    - 可以設置連接池中最大連接數    9
                    - 默認啟動時，連接池中創建連接  5
                    
                    - 如果有三個線程來數據庫中獲取連接：
                        - 如果三個同時來的，一人給一個鏈接
                        - 如果一個一個來，有時間間隔，用一個鏈接就可以為三個線程提供服務
                            - 說不准
                                有可能:1個鏈接就可以為三個線程提供服務
                                有可能:2個鏈接就可以為三個線程提供服務
                                有可能:3個鏈接就可以為三個線程提供服務
                     PS、：maxshared在使用pymysql中均無用。鏈接數據庫的模塊：只有threadsafety>1的時候才有用

 

 

2.不使用連接池鏈接數據庫

方式一：每次操作都要鏈接數據庫，鏈接次數過多

#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from  flask import Flask

app = Flask(__name__)

@app.route('/index')
def index():
    # 鏈接數據庫
    conn = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123', database='pooldb',charset='utf8')
    cursor = conn.cursor()
    cursor.execute("select * from td where id=%s", [5, ])
    result = cursor.fetchall()  # 獲取數據
    cursor.close()
    conn.close()  # 關閉鏈接
    print(result)
    return  "執行成功"

if __name__ == '__main__':
    app.run(debug=True)

 

　　這種方式每次請求，反復創建數據庫鏈接，多次鏈接數據庫會非常耗時

　　這時，我們會想到一種解決方法，就是把數據庫鏈接放到全局，即方式二

 

方式二：不支持並發

#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from  flask import Flask
from threading import RLock

app = Flask(__name__)
CONN = pymysql.connect(host="127.0.0.1",port=3306,user='root',password='123', database='pooldb',charset='utf8')
# 方式二：放在全局，如果是單線程，這樣就可以，但是如果是多線程，就得加把鎖。這樣就成串行的了， 不支持並發，也不好。所有我們選擇用數據庫連接池
@app.route('/index')
def index():
    with RLock:
        cursor = CONN.cursor()
        cursor.execute("select * from td where id=%s", [5, ])
        result = cursor.fetchall()  # 獲取數據
        cursor.close()
        print(result)
        return  "執行成功"
if __name__ == '__main__':
    app.run(debug=True)

 

由於上面兩種方案都不完美，所以得把方式一和方式二聯合一下（既讓減少鏈接次數，也能支持並發）所有了方式三，需要導入一個DButils模塊，基於DButils實現的數據庫連接池

 

3.基於DButils實現的數據庫連接池

模式一

　　為每一個線程創建一個鏈接（是基於本地線程來實現的。thread.local），每個線程獨立使用自己的數據庫鏈接，該線程關閉不是真正的關閉，本線程再次調用時，還是使用的最開始創建的鏈接，直到線程終止，數據庫鏈接才關閉。

#!usr/bin/env python
# -*- coding:utf-8 -*-
from flask import Flask
app = Flask(__name__)
from DBUtils.PersistentDB import PersistentDB
import pymysql
POOL = PersistentDB(
    creator=pymysql,  # 使用鏈接數據庫的模塊
    maxusage=None,  # 一個鏈接最多被重復使用的次數，None表示無限制
    setsession=[],  # 開始會話前執行的命令列表。如：["set datestyle to ...", "set time zone ..."]
    ping=0,
    # ping MySQL服務端，檢查是否服務可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
    closeable=False,
    # 如果為False時， conn.close() 實際上被忽略，供下次使用，再線程關閉時，才會自動關閉鏈接。如果為True時， conn.close()則關閉鏈接，那么再次調用pool.connection時就會報錯，因為已經真的關閉了連接（pool.steady_connection()可以獲取一個新的鏈接）
    threadlocal=None,  # 本線程獨享值得對象，用於保存鏈接對象，如果鏈接對象被重置
    host='127.0.0.1',
    port=3306,
    user='root',
    password='123',
    database='pooldb',
    charset='utf8'
)

@app.route('/func')
def func():
　　conn = POOL.connection()
　　cursor = conn.cursor()
　　cursor.execute('select * from tb1')
　　result = cursor.fetchall()
　　cursor.close()
　　conn.close() # 不是真的關閉，而是假的關閉。 conn = pymysql.connect()   conn.close()

　　conn = POOL.connection()
　　cursor = conn.cursor()
　　cursor.execute('select * from tb1')
　　result = cursor.fetchall()
　　cursor.close()
　　conn.close()
if __name__ == '__main__': app.run(debug=True)

 

 

缺點：如果線程比較多，還是會創建很多連接

 

模式二（推薦）

創建一個鏈接池，為所有線程提供連接，使用時來進行獲取，使用完畢后在放回到連接池。

PS：假設最大鏈接數有10個，其實也就是一個列表，當你pop一個，系統會再append一個，鏈接池的所有的鏈接都是按照排隊的這樣的方式來鏈接的。鏈接池里所有的鏈接都能重復使用，共享的， 即實現了並發，又防止了鏈接次數太多

import time
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
    creator=pymysql,  # 使用鏈接數據庫的模塊
    maxconnections=6,  # 連接池允許的最大連接數，0和None表示不限制連接數
    mincached=2,  # 初始化時，鏈接池中至少創建的空閑的鏈接，0表示不創建


    maxcached=5,  # 鏈接池中最多閑置的鏈接，0和None不限制
    maxshared=3,  # 鏈接池中最多共享的鏈接數量，0和None表示全部共享。PS: 無用，因為pymysql和MySQLdb等模塊的 threadsafety都為1，所有值無論設置為多少，_maxcached永遠為0，所以永遠是所有鏈接都共享。
    blocking=True,  # 連接池中如果沒有可用連接后，是否阻塞等待。True，等待；False，不等待然后報錯
    maxusage=None,  # 一個鏈接最多被重復使用的次數，None表示無限制
    setsession=[],  # 開始會話前執行的命令列表。如：["set datestyle to ...", "set time zone ..."]
    ping=0,
    # ping MySQL服務端，檢查是否服務可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
    host='127.0.0.1',
    port=3306,
    user='root',
    password='123',
    database='pooldb',
    charset='utf8'
)


def func():
    # 檢測當前正在運行連接數的是否小於最大鏈接數，如果不小於則：等待或報raise TooManyConnections異常
    # 否則
    # 則優先去初始化時創建的鏈接中獲取鏈接 SteadyDBConnection。
    # 然后將SteadyDBConnection對象封裝到PooledDedicatedDBConnection中並返回。
    # 如果最開始創建的鏈接沒有鏈接，則去創建一個SteadyDBConnection對象，再封裝到PooledDedicatedDBConnection中並返回。
    # 一旦關閉鏈接后，連接就返回到連接池讓后續線程繼續使用。

    # PooledDedicatedDBConnection
    conn = POOL.connection()

    # print(th, '鏈接被拿走了', conn1._con)
    # print(th, '池子里目前有', pool._idle_cache, '\r\n')

    cursor = conn.cursor()
    cursor.execute('select * from tb1')
    result = cursor.fetchall()
    conn.close()



func()

 

二、本地線程

本地線程：保證每個線程都只有自己的一份數據，在操作時不會影響別人的，即使是多線程，自己的值也是互相隔離的

沒用線程之前

import threading
import time
class Foo(object):
    def __init__(self):
        self.name = None
local_values = Foo()

def func(num):
    time.sleep(2)
    local_values.name = num
    print(local_values.name,threading.current_thread().name)

for i in range(5):
    th = threading.Thread(target=func, args=(i,), name='線程%s' % i)
    th.start()

打印結果：

1 線程1
0 線程0
2 線程2
3 線程3
4 線程4

 

 

用了本地線程之后

import threading
import time
# 本地線程對象
local_values = threading.local()
def func(num):

    """
    # 第一個線程進來，本地線程對象會為他創建一個
    # 第二個線程進來，本地線程對象會為他創建一個
    {
        線程1的唯一標識：{name:1},
        線程2的唯一標識：{name:2},
    }
    :param num:
    :return:
    """
    local_values.name = num # 4
    # 線程停下來了
    time.sleep(2)
    # 第二個線程： local_values.name，去local_values中根據自己的唯一標識作為key，獲取value中name對應的值
    print(local_values.name, threading.current_thread().name)


for i in range(5):
    th = threading.Thread(target=func, args=(i,), name='線程%s' % i)
    th.start()

打印結果：

1 線程1
2 線程2
0 線程0
4 線程4
3 線程3

 

三、上下文管理

flask的request和session設置方式比較新穎，如果沒有這種方式，那么就只能通過參數的傳遞。

flask是如何做的呢？

- 本地線程：是Flask自己創建的一個線程（猜想：內部是不是基於本地線程做的？）
           vals = threading.local()
           def task(arg):
                vals.name = num
            - 每個線程進來都是打印的自己的，只有自己的才能修改，
            - 通過他就能保證每一個線程里面有一個數據庫鏈接，通過他就能創建出數據庫鏈接池的第一種模式
        - 上下文原理
            -  類似於本地線程
        - 猜想：內部是不是基於本地線程做的？不是，是一個特殊的字典

1. 上下文原理

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from functools import partial
from flask.globals import LocalStack, LocalProxy
 
ls = LocalStack()
 
 
class RequestContext(object):
    def __init__(self, environ):
        self.request = environ
 
 
def _lookup_req_object(name):
    top = ls.top
    if top is None:
        raise RuntimeError(ls)
    return getattr(top, name)
 
 
session = LocalProxy(partial(_lookup_req_object, 'request'))
 
ls.push(RequestContext('c1')) # 當請求進來時，放入
print(session) # 視圖函數使用
print(session) # 視圖函數使用
ls.pop() # 請求結束pop
 
 
ls.push(RequestContext('c2'))
print(session)
 
ls.push(RequestContext('c3'))
print(session)

 

2. Flask內部實現

#!/usr/bin/env python
# -*- coding:utf-8 -*-
 
from greenlet import getcurrent as get_ident
 
 
def release_local(local):
    local.__release_local__()
 
 
class Local(object):
    __slots__ = ('__storage__', '__ident_func__')　　# __slots__的作用是用tuple定義允許綁定的屬性名稱 def __init__(self):
        # self.__storage__ = {}　　
        # self.__ident_func__ = get_ident   等價於下面兩句，之所以這樣，是因為如果直接按這種方式設置，通過.會自動調用__setattr___，而在下面的__setattr__中
　　　　　　又要獲取__storage__等方法的值，這樣會會形成遞歸，所以采用這張設置方法

        object.__setattr__(self, '__storage__', {})
        object.__setattr__(self, '__ident_func__', get_ident)
 
    def __release_local__(self):
        self.__storage__.pop(self.__ident_func__(), None)
 
    def __getattr__(self, name):
        try:
            return self.__storage__[self.__ident_func__()][name]
        except KeyError:
            raise AttributeError(name)
 
    def __setattr__(self, name, value):
        ident = self.__ident_func__()
        storage = self.__storage__
        try:
            storage[ident][name] = value
        except KeyError:
            storage[ident] = {name: value}
 
    def __delattr__(self, name):
        try:
            del self.__storage__[self.__ident_func__()][name]
        except KeyError:
            raise AttributeError(name)
 
 
class LocalStack(object):
    def __init__(self):
        self._local = Local()
 
    def __release_local__(self):
        self._local.__release_local__()
 
    def push(self, obj):
        """Pushes a new item to the stack"""
        rv = getattr(self._local, 'stack', None)
        if rv is None:
            self._local.stack = rv = []
        rv.append(obj)
        return rv
 
    def pop(self):
        """Removes the topmost item from the stack, will return the
        old value or `None` if the stack was already empty.
        """
        stack = getattr(self._local, 'stack', None)
        if stack is None:
            return None
        elif len(stack) == 1:
            release_local(self._local)
            return stack[-1]
        else:
            return stack.pop()
 
    @property
    def top(self):
        """The topmost item on the stack.  If the stack is empty,
        `None` is returned.
        """
        try:
            return self._local.stack[-1]
        except (AttributeError, IndexError):
            return None
 
 
stc = LocalStack()
 
stc.push(123)
v = stc.pop()
 
print(v)