python - Storm 或 SQLAlchemy ORM 是否允许从现有数据库创建模式？

Question

考虑到 Storm，一个 python ORM，我想自动生成一个 (mysql) 数据库的模式。主页状态

“Storm 与现有的数据库模式配合得很好。” ( https://storm.canonical.com/FrontPage ),

因此我希望不必创建模型类。但是，“入门”教程 ( https://storm.canonical.com/Tutorial ) 建议需要为每个表手动创建一个类，如下所示，并且需要手动指定每个字段:

class Person(object):
  __storm_table__ = "person"
  id = Int(primary=True)
  name = Unicode()

或者，SQLAlchemy 似乎也不支持逆向工程功能，但确实需要这样的模式:

user = Table('user', metadata,
  Column('user_id', Integer, primary_key = True),
  Column('user_name', String(16), nullable = False),
  Column('email_address', String(60)),
  Column('password', String(20), nullable = False)
)

当然，这些类/模式是有意义的，因为每个表都可能代表一些“感兴趣的对象”，并且可以使用各种功能扩展它们。但是，创建它们很乏味，并且当数据库已经存在时，它们的(初始)内容很简单。

一个允许逆向工程的 ORM 是:

http://docs.doctrine-project.org/en/2.0.x/reference/tools.html

是否有针对 Storm 或 SQLAlchemy 或任何 python ORM 或 python 数据库的类似逆向工程工具 fancyfier？

Answer 1

我不知道 Storm 是如何管理这个过程的，但你肯定可以用 sqlalchemy 反射(reflect)数据库中的表。例如，下面是一个使用我目前可以访问的 SQL Server 实例的基本示例。

AN ENTIRE DATABASE

>>> from sqlalchemy import create_engine, MetaData
>>> engine = create_engine('mssql+pyodbc://<username>:<password>@<host>/<database>')  # replace <username> with user name etc.
>>> meta = MetaData()
>>> meta.reflect(bind=engine)
>>> funds_table = meta.tables['funds']  # tables are stored in meta.tables dict
>>> funds_table  # now stores database schema object
Table(u'funds', MetaData(bind=None), Column(u'fund_token', INTEGER(), table=<funds>, primary_key=True, nullable=False), Column(u'award_year_token', INTEGER(), ForeignKey(u'award_year_defn.award_year_token'), table=<funds>, nullable=False), ... Column(u'fin_aid_disclosure_category', VARCHAR(length=3, collation=u'SQL_Latin1_General_CP1_CI_AS'), table=<funds>), Column(u'report_as_additional_unsub', BIT(), table=<funds>, server_default=DefaultClause(<sqlalchemy.sql.expression.TextClause object at 0x000000000545B6D8>, for_update=False)), schema=None)

如果您只想一次反射(reflect)一张表，您可以使用以下代码。

ONE TABLE AT A TIME (快得多)

>>> from sqlalchemy import Table, create_engine, MetaData
>>> engine = create_engine('mssql+pyodbc://<username>:<password>@<host>/<database>')
>>> meta = MetaData()
>>> funds_table = Table('funds', meta, autoload=True, autoload_with=engine)  # indicate table name (here 'funds') with a string passed to Table as the first argument
>>> funds_table  # now stores database schema object
Table(u'funds', MetaData(bind=None), Column(u'fund_token', INTEGER(), table=<funds>, primary_key=True, nullable=False), Column(u'award_year_token', INTEGER(), ForeignKey(u'award_year_defn.award_year_token'), table=<funds>, nullable=False), ... Column(u'fin_aid_disclosure_category', VARCHAR(length=3, collation=u'SQL_Latin1_General_CP1_CI_AS'), table=<funds>), Column(u'report_as_additional_unsub', BIT(), table=<funds>, server_default=DefaultClause(<sqlalchemy.sql.expression.TextClause object at 0x000000000545B6D8>, for_update=False)), schema=None)

正如您可能想象的那样，您可以保存相关表格的数据，以便将来再次快速访问表格。