SQLite内存数据库:memory:天然隔离，每次测试新建空库、结束即销毁，需在setup中调用create_engine("sqlite:///:memory:")并立即执行Base.metadata.create_all(engine)，配合scope="function"的pytest fixture管理生命周期，确保环境一致、无副作用。
用 sqlite:///:memory: 创建隔离的测试数据库
单元测试必须保证每次运行环境一致、无副作用，sqlite:///:memory: 是最轻量且天然隔离的方案——每个测试用例启动时新建一个空内存数据库，结束即销毁，不污染磁盘或共享状态。
注意：不能写成 sqlite:///test.db 或 sqlite://（后者会默认连接到文件系统当前目录下的 main.db），也别用 sqlite:///:memory:?check_same_thread=False 来“绕过线程限制”，这反而掩盖了多线程测试中暴露的真实问题。
- 在测试 setup 阶段调用
create_engine("sqlite:///:memory:")，再传给SQLAlchemy()实例 - 务必在每次测试前执行
Base.metadata.create_all(engine)，否则表不存在，INSERT会直接报OperationalError: no such table - 如果模型用了
__table_args__ = {"schema": "xxx"}，SQLite 不支持 schema，会静默忽略或报错，测试时需临时移除或改用 PostgreSQL 的pg8000+pytest-postgresql
避免在测试中复用生产 sessionmaker
生产代码里常定义全局 SessionLocal = sessionmaker(bind=engine)，但测试中若直接 import 并调用 SessionLocal()，就会绑定到生产 engine（比如 PostgreSQL），导致测试连错库、变集成测试、甚至删掉真实数据。
正确做法是为测试单独构造 sessionmaker，并确保它绑定的是内存引擎：
Python 环境工具专业版功能概述Python 环境工具专业版是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。核心要点使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。执行完成后建议检查结果是否符合预期，并保留必要记录。使用与执行同时注意输入完整性、执行条件和输出可用性。从功能定位来看，该技能
from sqlalchemy.orm import sessionmaker <h1>测试专用</h1><p>TestSessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=test_engine) db = TestSessionLocal()</p>
- 不要用
sessionmaker(bind=engine)()这种临时调用，容易漏关 session 或没 rollback - 测试函数结束后必须显式调用
db.close()；更稳妥的是用 pytest fixture 管理生命周期 - 若测试涉及事务回滚（比如想测“插入后查不到”），记得在
db.rollback()后再db.close()，否则未提交的变更可能被意外提交
用 pytest fixture 管理 engine/session 生命周期
手动创建/销毁 engine 和 session 容易遗漏，用 fixture 能强制约束顺序和作用域。推荐使用 scope="function" 级别，确保每个测试干净独立。
@pytest.fixture(scope="function")
def db_session():
engine = create_engine("sqlite:///:memory:")
Base.metadata.create_all(engine)
TestingSessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
session = TestingSessionLocal()
yield session
session.close()
engine.dispose()
-
engine.dispose()必须加，否则 SQLite 内存 DB 可能残留，尤其在 Windows 下引发Database is locked - 不要把 engine 做成 module 级 fixture（
scope="module"），多个测试并发跑时会因共享 engine 出现竞争 - 如果测试需要预置数据，直接在 fixture 里
session.add()+session.commit()，但注意 commit 后无法 rollback，此时应改用session.begin_nested()配合 savepoint
慎用 Base.metadata.drop_all() 清库
有些教程建议在 teardown 时调用 drop_all()，这在 SQLite 内存库中完全多余——:memory: 本身生命周期就只在 engine 存活期间，engine.dispose() 后数据自动消失。强行 drop_all() 反而可能触发 “no such table” 报错，尤其当某些模型没被 import 导致 Base.metadata.tables 不全时。
- 唯一需要
drop_all()的场景是：你用了真实文件数据库（如sqlite:///test.db）且想重用该文件 —— 但这就违背了单元测试隔离原则 - 如果模型间有外键依赖，
create_all()顺序错误会导致IntegrityError；确保所有模型模块在Base之后 import，或显式按依赖顺序调用create_table() - ORM 层的
delete()操作不会级联删关联记录，除非模型声明了cascade="all, delete-orphan"，测试时别假设它会自动清理
测试真正难的不是建库，而是让 model、session、transaction、fixture 四者生命周期对齐——少一个 close()，多一个 commit()，都可能让下一个测试莫名其妙失败。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
