數據庫鏈接池，本地線程，上下文管理

時間 2019-12-11

原文原文鏈接

1、數據庫鏈接池

flask中是沒有ORM的，若是在flask裏要鏈接數據庫有兩種方式python

一：pymysql
二：SQLAlchemy
        是python 操做數據庫的一個庫。可以進行 orm 映射官方文檔 sqlchemy
        SQLAlchemy「採用簡單的Python語言，爲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.連接池原理

- DBUtils數據庫連接池  
            - 模式一：基於threaing.local實現爲每個線程建立一個鏈接，關閉是僞關閉，當前線程能夠重複
            - 模式二：鏈接池原理
                    - 能夠設置鏈接池中最大鏈接數    9
                    - 默認啓動時，鏈接池中建立鏈接  5
                    
                    - 若是有三個線程來數據庫中獲取鏈接：
                        - 若是三個同時來的，一人給一個連接
                        - 若是一個一個來，有時間間隔，用一個連接就能夠爲三個線程提供服務
                            - 說不許
                                有可能:1個連接就能夠爲三個線程提供服務
                                有可能:2個連接就能夠爲三個線程提供服務
                                有可能:3個連接就能夠爲三個線程提供服務
                     PS、：maxshared在使用pymysql中均無用。連接數據庫的模塊：只有threadsafety>1的時候纔有用

2.不使用鏈接池連接數據庫

方式一：每次操做都要連接數據庫，連接次數過多

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

app = Flask(__name__)

@app.route('/index')
def index():
    # 連接數據庫
    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()  # 關閉連接
    print(result)
    return  "執行成功"

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

　　這種方式每次請求，反覆建立數據庫連接，屢次連接數據庫會很是耗時mysql

　　這時，咱們會想到一種解決方法，就是把數據庫連接放到全局，即方式二
sql

方式二：不支持併發

#!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，若是是單線程，這樣就能夠，可是若是是多線程，就得加把鎖。這樣就成串行的了， 不支持併發，也很差。全部咱們選擇用數據庫鏈接池
@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)

因爲上面兩種方案都不完美，因此得把方式一和方式二聯合一下（既讓減小連接次數，也能支持併發）全部了方式三，須要導入一個DButils模塊，基於DButils實現的數據庫鏈接池數據庫

3.基於DButils實現的數據庫鏈接池

模式一

　　爲每個線程建立一個連接（是基於本地線程來實現的。thread.local），每一個線程獨立使用本身的數據庫連接，該線程關閉不是真正的關閉，本線程再次調用時，仍是使用的最開始建立的連接，直到線程終止，數據庫連接才關閉。flask

#!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,  # 使用連接數據庫的模塊
    maxusage=None,  # 一個連接最多被重複使用的次數，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,
    # 若是爲False時， conn.close() 實際上被忽略，供下次使用，再線程關閉時，纔會自動關閉連接。若是爲True時， conn.close()則關閉連接，那麼再次調用pool.connection時就會報錯，由於已經真的關閉了鏈接（pool.steady_connection()能夠獲取一個新的連接）
    threadlocal=None,  # 本線程獨享值得對象，用於保存連接對象，若是連接對象被重置
    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：若是線程比較多，仍是會建立不少鏈接session

模式二（推薦）

建立一個連接池，爲全部線程提供鏈接，使用時來進行獲取，使用完畢後在放回到鏈接池。多線程

PS：假設最大連接數有10個，其實也就是一個列表，當你pop一個，系統會再append一個，連接池的全部的連接都是按照排隊的這樣的方式來連接的。連接池裏全部的連接都能重複使用，共享的，即實現了併發，又防止了連接次數太多併發

import time
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
    creator=pymysql,  # 使用連接數據庫的模塊
    maxconnections=6,  # 鏈接池容許的最大鏈接數，0和None表示不限制鏈接數
    mincached=2,  # 初始化時，連接池中至少建立的空閒的連接，0表示不建立


    maxcached=5,  # 連接池中最多閒置的連接，0和None不限制
    maxshared=3,  # 連接池中最多共享的連接數量，0和None表示所有共享。PS: 無用，由於pymysql和MySQLdb等模塊的 threadsafety都爲1，全部值不管設置爲多少，_maxcached永遠爲0，因此永遠是全部連接都共享。
    blocking=True,  # 鏈接池中若是沒有可用鏈接後，是否阻塞等待。True，等待；False，不等待而後報錯
    maxusage=None,  # 一個連接最多被重複使用的次數，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():
    # 檢測當前正在運行鏈接數的是否小於最大連接數，若是不小於則：等待或報raise TooManyConnections異常
    # 不然
    # 則優先去初始化時建立的連接中獲取連接 SteadyDBConnection。
    # 而後將SteadyDBConnection對象封裝到PooledDedicatedDBConnection中並返回。
    # 若是最開始建立的連接沒有連接，則去建立一個SteadyDBConnection對象，再封裝到PooledDedicatedDBConnection中並返回。
    # 一旦關閉連接後，鏈接就返回到鏈接池讓後續線程繼續使用。

    # PooledDedicatedDBConnection
    conn = POOL.connection()

    # print(th, '連接被拿走了', conn1._con)
    # print(th, '池子裏目前有', pool._idle_cache, '\r\n')

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



func()

2、本地線程

本地線程：保證每一個線程都只有本身的一份數據，在操做時不會影響別人的，即便是多線程，本身的值也是互相隔離的app

沒用線程以前ide

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

用了本地線程以後

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

    """
    # 第一個線程進來，本地線程對象會爲他建立一個
    # 第二個線程進來，本地線程對象會爲他建立一個
    {
        線程1的惟一標識：{name:1},
        線程2的惟一標識：{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中根據本身的惟一標識做爲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

3、上下文管理

flask的request和session設置方式比較新穎，若是沒有這種方式，那麼就只能經過參數的傳遞。

flask是如何作的呢？

- 本地線程：是Flask本身建立的一個線程（猜測：內部是否是基於本地線程作的？）
           vals = threading.local()
           def task(arg):
                vals.name = num
            - 每一個線程進來都是打印的本身的，只有本身的才能修改，
            - 經過他就能保證每個線程裏面有一個數據庫連接，經過他就能建立出數據庫連接池的第一種模式
        - 上下文原理
            -  相似於本地線程
        - 猜測：內部是否是基於本地線程作的？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__的做用是用tuple定義容許綁定的屬性名稱 def __init__(self):
        # self.__storage__ = {}　　
        # self.__ident_func__ = get_ident   等價於下面兩句，之因此這樣，是由於若是直接按這種方式設置，經過.會自動調用__setattr___，而在下面的__setattr__中
　　　　　　又要獲取__storage__等方法的值，這樣會會造成遞歸，因此採用這張設置方法

        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)