.. image:: https://img.shields.io/pypi/v/tortoise-orm.svg?style=flat :target: https://pypi.python.org/pypi/tortoise-orm .. image:: https://pepy.tech/badge/tortoise-orm/month :target: https://pepy.tech/project/tortoise-orm .. image:: https://github.com/tortoise/tortoise-orm/workflows/gh-pages/badge.svg :target: https://github.com/tortoise/tortoise-orm/actions?query=workflow:gh-pages .. image:: https://github.com/tortoise/tortoise-orm/actions/workflows/ci.yml/badge.svg?branch=develop :target: https://github.com/tortoise/tortoise-orm/actions?query=workflow:ci .. image:: https://coveralls.io/repos/github/tortoise/tortoise-orm/badge.svg :target: https://coveralls.io/github/tortoise/tortoise-orm .. image:: https://app.codacy.com/project/badge/Grade/844030d0cb8240d6af92c71bfac764ff :target: https://www.codacy.com/gh/tortoise/tortoise-orm/dashboard?utm_source=github.com&utm_medium=referral&utm_content=tortoise/tortoise-orm&utm_campaign=Badge_Grade
Tortoise ORM 是一个易于使用的 asyncio
ORM(对象关系映射器),灵感来自 Django。
Tortoise ORM 在设计时考虑到了关系,并对优秀且流行的 Django ORM 表示敬意。其设计理念深深地铭刻着这样一个观点:你不仅仅是在处理表格,而是在处理关系型数据。
你可以在 文档 <https://tortoise.github.io>
_ 中找到更多信息。
.. note::
Tortoise ORM 是一个年轻的项目,可能会有破坏性的变更。我们会保持 更新日志 <https://tortoise.github.io/CHANGELOG.html>
_ 的更新,并在其中清楚地记录可能的破坏性变更。
Tortoise ORM 支持 CPython >= 3.8,适用于 SQLite、MySQL、PostgreSQL、Microsoft SQL Server 和 Oracle 数据库。
Python 已经有许多现有的成熟 ORM,但遗憾的是,它们的设计采用了与 I/O 处理方式相反的范式。asyncio
是一项相对较新的技术,具有非常不同的并发模型,最大的变化在于 I/O 的处理方式。
然而,Tortoise ORM 并不是构建 asyncio
ORM 的第一次尝试。虽然有许多开发者试图将同步 Python ORM 映射到异步世界,但初次尝试并没有一个干净的 API。
因此,我们开始了 Tortoise ORM 项目。
Tortoise ORM 的设计既实用又熟悉,以便于希望切换到 asyncio
的开发者能够轻松迁移。
与其他 Python ORM 相比,它的性能也很出色。在 我们的基准测试 <https://github.com/tortoise/orm-benchmarks>
_ 中,我们测量了不同的读写操作(行/秒,数值越高越好),它与 Pony ORM 不相上下:
.. image:: https://raw.githubusercontent.com/tortoise/tortoise-orm/develop/docs/ORM_Perf.png :target: https://github.com/tortoise/orm-benchmarks
当你构建使用关系型数据库的应用程序或服务时,总有一个时刻你无法仅仅依靠参数化查询或查询构建器。你会发现自己不断重复,为每个实体编写略有不同的代码。 代码不了解数据之间的关系,所以你最终几乎是手动连接数据。 在访问数据库时也很容易犯错误,这可能会被 SQL 注入攻击所利用。 你的数据规则也是分散的,增加了管理数据的复杂性,更糟糕的是,可能导致这些规则被不一致地应用。
ORM(对象关系映射器)旨在解决这些问题,通过集中管理你的数据模型和数据规则,确保你的数据被安全管理(提供免疫 SQL 注入的能力),并跟踪关系,让你不必自己处理。
首先,你需要像这样安装 Tortoise ORM:
.. code-block:: bash
pip install tortoise-orm
你也可以与数据库驱动一起安装(aiosqlite
是内置的):
.. code-block:: bash
pip install tortoise-orm[asyncpg]
对于 MySQL
:
.. code-block:: bash
pip install tortoise-orm[asyncmy]
对于 Microsoft SQL Server
/Oracle
(未完全测试):
.. code-block:: bash
pip install tortoise-orm[asyncodbc]
Tortoise 的主要实体是 tortoise.models.Model
。
你可以像这样开始编写模型:
.. code-block:: python3
from tortoise.models import Model
from tortoise import fields
class Tournament(Model):
id = fields.IntField(primary_key=True)
name = fields.TextField()
def __str__(self):
return self.name
class Event(Model):
id = fields.IntField(primary_key=True)
name = fields.TextField()
tournament = fields.ForeignKeyField('models.Tournament', related_name='events')
participants = fields.ManyToManyField('models.Team', related_name='events', through='event_team')
def __str__(self):
return self.name
class Team(Model):
id = fields.IntField(primary_key=True)
name = fields.TextField()
def __str__(self):
return self.name
在定义完所有模型后,Tortoise 需要你初始化它们,以便在模型之间创建反向关系,并将数据库客户端与适当的模型匹配。
你可以这样做:
.. code-block:: python3
from tortoise import Tortoise
async def init():
# 这里我们连接到一个 SQLite 数据库文件。
# 同时指定 "models" 应用名称,
# 其中包含来自 "app.models" 的模型
await Tortoise.init(
db_url='sqlite://db.sqlite3',
modules={'models': ['app.models']}
)
# 生成架构
await Tortoise.generate_schemas()
在这里,我们创建了一个连接到本地目录中名为 db.sqlite3
的 SQLite 数据库。然后我们发现并初始化模型。
Tortoise ORM 目前支持以下数据库:
SQLite
(需要 aiosqlite
)PostgreSQL
(需要 asyncpg
)MySQL
(需要 asyncmy
)Microsoft SQL Server
/Oracle
(需要 asyncodbc
)generate_schema
在空数据库上生成架构。默认情况下,Tortoise 以安全模式生成架构,其中包括 IF NOT EXISTS
子句,因此你可以将其包含在主代码中。
之后,你就可以开始使用你的模型了:
.. code-block:: python3
# 通过保存创建实例
tournament = Tournament(name='新锦标赛')
await tournament.save()
# 或者通过 .create() 方法
await Event.create(name='无参与者', tournament=tournament)
event = await Event.create(name='测试', tournament=tournament)
participants = []
for i in range(2):
team = await Team.create(name='队伍 {}'.format(i + 1))
participants.append(team)
# 多对多关系管理非常直观
# (还可以查看 .remove(...) 和 .clear() 方法)
await event.participants.add(*participants)
# 你可以使用 async for 查询相关实体
async for team in event.participants:
pass
# 在进行相关查询后,你可以使用常规的 for 循环进行迭代,
# 这在与其他包一起使用时可能非常方便,
# 例如某些支持嵌套的序列化器
for team in event.participants:
pass
# 或者你可以预先调用以获取相关对象
selected_events = await Event.filter(
participants=participants[0].id
).prefetch_related('participants', 'tournament')
# Tortoise 支持预取相关实体的可变深度
# 这将获取 Team 的所有事件,并在这些事件中预取锦标赛
await Team.all().prefetch_related('events__tournament')
# 你也可以通过相关模型进行过滤和排序
await Tournament.filter(
events__name__in=['测试', '生产']
).order_by('-events__participants__name').distinct()
Tortoise ORM 使用 Aerich <https://github.com/tortoise/aerich>
_ 作为其数据库迁移工具,更多详细信息请参见其 文档 <https://github.com/tortoise/aerich>
_。
请查看 贡献指南 <docs/CONTRIBUTING.rst>
_。
强大的 Python IDE Pycharm <https://www.jetbrains.com/pycharm/>
_
来自 Jetbrains <https://jb.gg/OpenSourceSupport>
_。
.. image:: https://resources.jetbrains.com/storage/products/company/brand/logos/jb_beam.svg :target: https://jb.gg/OpenSourceSupport
本项目采用 Apache 许可证 - 详情请参见 LICENSE.txt <LICENSE.txt>
_ 文件。
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
AI办公助手,复杂任务高效处理
AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号