蓝图
使用场景
如果代码非常多，要进行归类。不同的功能放在不同的文件，把相关的视图函数也放进去。
蓝图也就是对flask的目录结构进行分配（应用于小，中型的程序）
当然对于大型项目也可以通过 url_prefix 加前缀的方式实现
使用方法
# __init__.py from .views.account import ac from .views.user import us app.register_blueprint(ac) app.register_blueprint(us) # account.py from flask import Blueprint,render_template ac = Blueprint("ac" ,__name__，template_folder="xxxx",static_url_path="xxxx") # template_folder 优先在 templates 文件夹找。找不到再去 xxxx 里找 # static_url_path 优先在 static 文件夹找。找不到再去 xxxx 里找 # url_prefix="/xx" 为当前蓝图的url里加前缀
目录结构
crm crm view account.py user.py static templates login.html __init__.py manage.py
__init__.py
只要一导入crm就会执行__init__.py文件
在此文件实现app 对象的生成，以及所有蓝图的注册功能
from flask import Flask from .views.account import ac from .views.user import us def create_app(): app = Flack(__name__) @app.before_request # 对全局的视图有效 def xx(): print("app.before_request") app.register_blueprint(ac) app.register_blueprint(us) return app
account.py
各自的视图文件，创建蓝图对象
自己视图的使用为自己的蓝图对象
注意： 视图函数的名字不能和蓝图对象重名
from flask import Blueprint,render_template ac = Blueprint("ac" ,__name__，template_folder="xxxx",static_url_path="xxxx") # template_folder 优先在 templates 文件夹找。找不到再去 xxxx 里找 # static_url_path 优先在 static 文件夹找。找不到再去 xxxx 里找 # url_prefix="/xx" 为当前蓝图的url里加前缀 @ac.route("/login") def login(): return render_template("login.html")
user.py
from flask import Blueprint us = Blueprint("us" ,__name__) @us.before_request # 仅对当前的视图有效 def xx(): print("us.before_request") @us.route("/user") def user(): return "user"
pymysql
方式一 数据库链接放在视图中
每次视图的执行进行数据库连接查询关闭。
反复创建数据库链接，多次链接数据库会非常耗时
解决办法：放在全局，单例模式
#!usr/bin/env python # -*- coding:utf-8 -*- import pymysql from flask import Flask app = Flask(__name__) @app.route('/index') def index(): # 链接数据库 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() # 获取数据 cursor.close() conn.close() # 关闭链接 print(result) return "执行成功" if __name__ == '__main__': app.run(debug=True)
方式二 放在全局
不在频繁链接数据库。
如果是单线程，这样没什么问题，
但是如果是多线程，就得加把锁。这样就成串行的了
为了支持并发，此方法依旧不可取
#!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') @app.route('/index') def index(): with RLock: cursor = CONN.cursor() cursor.execute("select * from td where id=%s", [5, ]) result = cursor.fetchall() # 获取数据 cursor.close() print(result) return "执行成功" if __name__ == '__main__': app.run(debug=True)
为此。为了解决方式一二的问题，实现不频繁操作且可以并行的数据库链接，我们需要用到 DBUtils
方式三 DBUtils + thread.local
为每一个线程创建一个链接（是基于本地线程来实现的。thread.local），
每个线程独立使用自己的数据库链接，该线程关闭不是真正的关闭，本线程再次调用时，还是使用的最开始创建的链接，直到线程终止，数据库链接才关闭
#!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, # 使用链接数据库的模块 maxusage=None, # 一个链接最多被重复使用的次数，None表示无限制 setsession=[], # 开始会话前执行的命令列表。如：["set datestyle to ...", "set time zone ..."] ping=0, # ping MySQL服务端，检查是否服务可用。# 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, # 如果为False时， conn.close() 实际上被忽略，供下次使用，再线程关闭时，才会自动关闭链接。如果为True时， conn.close()则关闭链接，那么再次调用pool.connection时就会报错，因为已经真的关闭了连接（pool.steady_connection()可以获取一个新的链接） threadlocal=None, # 本线程独享值得对象，用于保存链接对象，如果链接对象被重置 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() # 不是真的关闭，而是假的关闭。 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)
方式四 DBUtils + 链接池
创建一个链接池，为所有线程提供连接，使用时来进行获取，使用完毕后在放回到连接池。
PS：
假设最大链接数有10个，其实也就是一个列表，当你pop一个，人家会在append一个，链接池的所有的链接都是按照排队的这样的方式来链接的。
链接池里所有的链接都能重复使用，共享的， 即实现了并发，又防止了链接次数太多
#!usr/bin/env python # -*- coding:utf-8 -*- from flask import Flask app = Flask(__name__) from DBUtils.PersistentDB import PersistentDB import pymysql POOL = PooledDB( creator=pymysql, # 使用链接数据库的模块 maxconnections=6, # 连接池允许的最大连接数，0和None表示不限制连接数 mincached=2, # 初始化时，链接池中至少创建的空闲的链接，0表示不创建 maxcached=5, # 链接池中最多闲置的链接，0和None不限制 maxshared=3, # 链接池中最多共享的链接数量，0和None表示全部共享。 # PS: 无用，因为pymysql和MySQLdb等模块的 threadsafety都为1，所有值无论设置为多少，_maxcached永远为0，所以永远是所有链接都共享。 blocking=True, # 连接池中如果没有可用连接后，是否阻塞等待。True，等待；False，不等待然后报错 maxusage=None, # 一个链接最多被重复使用的次数，None表示无限制 setsession=[], # 开始会话前执行的命令列 AQ 表。如：["set datestyle to ...", "set time zone ..."] threadlocal=None, # 本线程独享值得对象，用于保存链接对象，如果链接对象被重置 ping=0, # ping MySQL服务端，检查是否服务可用。 # 取值： # 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='', database='core_master', 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() # 不是真的关闭，而是假的关闭。 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)
其他
pymysql 的操作很是繁琐，大量的重复代码，可以进一部封装
# 创建 链接池的操作封装 import pymysql from settings import Config def connect(): conn = Config.POOL.connection() cursor = conn.cursor(cursor=pymysql.cursors.DictCursor) return conn,cursor def connect_close(conn,cursor): cursor.close() conn.close() def fetch_all(sql,args): conn,cursor = connect() cursor.execute(sql, args) record_list = cursor.fetchall() connect_close(conn,cursor) return record_list def fetch_one(sql, args): conn, cursor = connect() cursor.execute(sql, args) result = cursor.fetchone() connect_close(conn, cursor) return result def insert(sql, args): conn, cursor = connect() row = cursor.execute(sql, args) conn.commit() connect_close(conn, cursor) return row
DBUtils 内部原理
在 DBUtils 中为每个线程创建一个数据库连接的时候，
对每个线程单独创建内存空间来保存数据，实现数据的空间分离
初始的多线程
import threading from threading import local import time def task(i): global v time.sleep(1) print(v) for i in range(10): t = threading.Thread(target=task,args=(i,)) t.start() # 9 9 9 9 9 9 9 9 9
实现数据隔离的多线程
import threading from threading import local import time obj = local() # 为每个线程创建一个独立的空间。数据空间隔离 def task(i): obj.xxxxx = i time.sleep(2) print(obj.xxxxx,i) for i in range(10): t = threading.Thread(target=task,args=(i,)) t.start() # 0-9 打乱顺序
获取线程的唯一标记示例
import threading from threading import local def task(i): print(threading.get_ident(),i) # 获取线程的唯一标记 for i in range(10): t = threading.Thread(target=task,args=(i,)) t.start()
threading local 的内部实现原理
import time import threading import greenlet DIC = {} # 用线程的唯一标识作为 key 来创建一个大字典分别保存每个线程的数据 def task(i): # ident = threading.get_ident() # 获取进程的 唯一id ident = greenlet.getcurrent() # 获取协程的 唯一id if ident in DIC: DIC[ident]['xxxxx'] = i else: DIC[ident] = {'xxxxx':i } time.sleep(2) print(DIC[ident]['xxxxx'],i) for i in range(10): t = threading.Thread(target=task,args=(i,)) t.start()
最终完整版
import time import threading try: import greenlet get_ident = greenlet.getcurrent except Exception as e: get_ident = threading.get_ident class Local(object): DIC = {} def __getattr__(self, item): ident = get_ident() if ident in self.DIC: return self.DIC[ident].get(item) return None def __setattr__(self, key, value): ident = get_ident() if ident in self.DIC: self.DIC[ident][key] = value else: self.DIC[ident] = {key:value} obj = Local() def task(i): obj.xxxxx = i time.sleep(2) print(obj.xxxxx,i) for i in range(10): t = threading.Thread(target=task,args=(i,)) t.start()