当前位置:首页 > 文章列表 > 文章 > python教程 > SQLAlchemy2.0异步迁移教程

SQLAlchemy2.0异步迁移教程

2026-03-09 22:45:47 0浏览 收藏
SQLAlchemy 2.0 的异步迁移远不止语法升级,而是一场从同步思维到协程调度意识的深度转变:async_sessionmaker 不是即用型会话而是需 await 调用的协程工厂,所有数据库操作(execute、commit、rollback)都必须显式 await 否则形同虚设;select 查询必须通过 await session.execute() 获取结果,再调用 scalars().all() 等同步方法,切不可沿用同步模式的链式调用;异步引擎必须使用 create_async_engine 配套专用驱动(如 asyncpg、aiosqlite)和 NullPool 连接池,普通引擎和线程安全池会直接报错;事务管理更需谨慎——跨 await 边界混用 begin/commit/rollback 极易导致状态混乱,推荐统一采用 async with session.begin(): 保障边界清晰。漏掉任何一个 await,整个异步链路就会静默挂起,看似运行却无实际效果,调试困难却后果严重。

Python sqlalchemy 2.0 的异步支持迁移

async_sessionmaker 创建后必须配 await,不能直接调用

SQLAlchemy 2.0 的异步支持不是“打开开关就自动变快”,而是把整个执行链路推到协程里。最常见错误是写完 async_sessionmaker 还像以前一样 session = async_session(),结果得到一个 AsyncSession 实例——但这个实例所有操作(add、commit、execute)都返回协程对象,不 await 就永远不真正执行。

  • 正确姿势:用 async with async_session() as session: 或显式 await session.commit()
  • 错误现象:RuntimeWarning: coroutine 'AsyncSession.commit' was never awaited,或查询返回空结果、事务不生效
  • 注意 async_sessionmaker 本身不创建会话,它生成的是可 await 的工厂;每次调用都需 await 才拿到活跃会话

select() 查询必须用 await session.execute(),不能用 session.scalars()

同步模式下常用 session.scalars(select(...)).all(),但异步模式下没有等价的阻塞式 scalars()。直接调用会报 AttributeError: 'AsyncScalarResult' object has no attribute 'all'——因为返回的是惰性迭代器,底层仍是协程封装。

  • 必须写成:result = await session.execute(select(User)),再用 result.scalars().all()(注意 all() 是同步方法,但前面的 execute 必须 await)
  • 如果只取单条:(await session.execute(select(User).limit(1))).scalar_one_or_none()
  • 别漏掉 await:session.execute() 返回 AsyncResult,不是结果本身;没 await 就只是个未调度的协程对象

engine.connect() 在 async 模式下要换 asyncio.create_engine()

旧代码里用 create_engine("sqlite:///db.db") 配合 sessionmaker,迁移到异步时不能复用。普通 engine 不支持 async,强行传给 async_sessionmaker 会触发 AsyncEngine expected 类型错误。

  • 必须改用:create_async_engine("sqlite+aiosqlite:///db.db", echo=True)(SQLite 需 aiosqlite)、postgresql+asyncpg://... 等带 async driver 的 URL
  • driver 兼容性很关键:MySQL 要 aiomysql 或 asyncmy,PostgreSQL 强烈推荐 asyncpg(psycopg 3.1+ 才支持 async)
  • 连接池参数也不同:AsyncEngine 的 poolclass 必须是 NullPool(默认),不能用 QueuePool —— 后者是线程安全设计,和 asyncio event loop 冲突

嵌套 await 和事务边界容易出错

异步事务不像同步那样靠上下文管理器“自动兜底”。比如在函数 A 中 await session.commit(),然后调用函数 B 做另一组操作,B 里再 await session.rollback(),可能因 session 已关闭或状态混乱导致 InvalidRequestError: This Session's transaction is closed。

  • 事务边界必须显式对齐:要么整个业务逻辑包在一个 async with session.begin(): 里,要么确保每个 commit/rollback 都对应一次独立的 begin()
  • 避免跨 await 边界传递 session 并混用 begin() 和手动 commit();更安全的做法是让每个协程函数自己管理自己的事务块
  • 特别注意 ORM 关系加载:selectinload 和 joinedload 在 async 下行为一致,但 lazy='select' 触发的隐式查询仍需 await,容易漏掉

异步迁移最难的不是语法替换,而是把“线性执行预期”扭转为“协程调度意识”——session 不是资源句柄,是协程上下文;execute 不是动作,是调度请求;commit 不是落盘,是等待事件循环轮到它执行。漏掉一个 await,整条链就卡住不动,还很难 debug。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

Java线程安全缓存更新方法解析Java线程安全缓存更新方法解析
上一篇
Java线程安全缓存更新方法解析
转转如何确认收货并评价商品
下一篇
转转如何确认收货并评价商品
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    263次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    313次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    294次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    271次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    87次使用