スケーラブルで保守可能なモデルを構築するには、特に複数のモデル間で共有される動作や共通の列タイプを処理する場合、モジュール型のアプローチが必要になることがよくあります。このブログでは、SQLAlchemy の ミックスイン と アノテーション を使用してモデルをモジュール化する方法を説明します。
なぜモジュール化するのか?
プロジェクトで作業しているとき、created_at および updated_at タイムスタンプをモデルに追加したり、UUID 主キーなどの一般的な列タイプを定義したりするなど、反復的なタスクに頻繁に遭遇します。これらの懸念事項を個別のコンポーネントにモジュール化すると、いくつかの利点があります。
1. 再利用性: 共有された動作と列定義は複数のモデル間で使用できます。
2. 保守性: 1 か所での変更は、依存するすべてのモデルに反映されます。
3. 可読性: 関心事の明確な分離により、コードが理解しやすくなります。
タイムスタンプ ミックスイン の作成
ミックスインは、モデルに再利用可能なロジックまたはフィールドを提供します。 created_at フィールドと updated_at フィールドを継承するモデルに自動的に追加する TimestampMixin を定義しましょう。
ファイル: timestamp_mixin.py
from datetime import datetime from sqlalchemy import Column, DateTime from sqlalchemy.ext.declarative import declared_attr class TimestampMixin: @declared_attr def created_at(cls): return Column(DateTime, default=datetime.utcnow, nullable=False) @declared_attr def updated_at(cls): return Column(DateTime, default=datetime.utcnow, onupdate=datetime.utcnow, nullable=False)
説明
- @declared_attr: 属性が継承モデルに動的に追加されるようにします。
- default と onupdate: 作成と更新のタイムスタンプを自動的に設定します。
共通の注釈 の定義
SQLAlchemy の Annotated 型は、Python の testing.Annotated 経由で利用可能で、再利用可能な列プロパティを定義できます。たとえば、特定の制約を持つ UUID 主キーまたは String 列を定義できます。
ファイル: common_annotations.py
from typing import Annotated from uuid import uuid4 from sqlalchemy import String from sqlalchemy.dialects.postgresql import UUID from sqlalchemy.orm import mapped_column uuid4pk = mapped_column(UUID(as_uuid=True), primary_key=True, default=uuid4, nullable=False) ] name = Annotated[ str, mapped_column(String(30), nullable=False) ]
説明
- UUID 主キー: uuid4pk アノテーションは、主キーの普遍的に一意な識別子を定義します。
- 名前列: 名前注釈により、最大長が 30 文字で NULL 値がない String 列が確保されます。
ミックスインと注釈を使用したモデルの構築
ミックスインとアノテーションを使用すると、実装を簡潔で読みやすく保ちながら、共有の動作とプロパティを継承するモデルを定義できます。
ファイル: user.py
from datetime import datetime from sqlalchemy import Column, DateTime from sqlalchemy.ext.declarative import declared_attr class TimestampMixin: @declared_attr def created_at(cls): return Column(DateTime, default=datetime.utcnow, nullable=False) @declared_attr def updated_at(cls): return Column(DateTime, default=datetime.utcnow, onupdate=datetime.utcnow, nullable=False)
説明
- 宣言ベース: ベースはすべての SQLAlchemy モデルの基盤として機能します。
このアプローチの利点
1. 懸念事項の明確な分離
- timestamp_mixin.py: 再利用可能なロジック (タイムスタンプなど) が含まれています。
- common_annotations.py: 共通の列プロパティ (UUID、文字列など) を定義します。
- user.py: これらの構成要素を具体的なモデルに結合します。
2. メンテナンスの容易さ
- タイムスタンプの動作方法を変更したり、列制約を更新したりする必要がある場合は、timestamp_mixin.py または common_annotations.py ファイルを変更するだけで済みます。変更は、すべての依存モデルに自動的に反映されます。
3. スケーラビリティ
- プロジェクトが成長するにつれて、この構造により、冗長性を導入することなく、新しい動作やフィールド タイプを簡単に追加できます。
最終的な考え
SQLAlchemy の ミックスイン と アノテーション を使用してモデルをモジュール化することは、共有機能とプロパティを処理するための優れた戦略です。このアプローチは重複を減らすだけでなく、クリーンで保守可能なコードのベスト プラクティスにも適合します。
以上がミックスインとアノテーションを使用した SQLAlchemy モデルのモジュール化の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

Pythonは、インターネットからファイルをダウンロードするさまざまな方法を提供します。これは、urllibパッケージまたはリクエストライブラリを使用してHTTPを介してダウンロードできます。このチュートリアルでは、これらのライブラリを使用してPythonからURLからファイルをダウンロードする方法を説明します。 ライブラリをリクエストします リクエストは、Pythonで最も人気のあるライブラリの1つです。クエリ文字列をURLに手動で追加したり、POSTデータのエンコードをフォームに追加せずに、HTTP/1.1リクエストを送信できます。 リクエストライブラリは、以下を含む多くの機能を実行できます フォームデータを追加します マルチパートファイルを追加します Python応答データにアクセスします リクエストを行います 頭

PDFファイルは、クロスプラットフォームの互換性に人気があり、オペレーティングシステム、読み取りデバイス、ソフトウェア間でコンテンツとレイアウトが一貫しています。ただし、Python Plansing Plain Text Filesとは異なり、PDFファイルは、より複雑な構造を持つバイナリファイルであり、フォント、色、画像などの要素を含んでいます。 幸いなことに、Pythonの外部モジュールでPDFファイルを処理することは難しくありません。この記事では、PYPDF2モジュールを使用して、PDFファイルを開き、ページを印刷し、テキストを抽出する方法を示します。 PDFファイルの作成と編集については、私からの別のチュートリアルを参照してください。 準備 コアは、外部モジュールPYPDF2を使用することにあります。まず、PIPを使用してインストールします。 ピップはpです

このチュートリアルでは、Redisキャッシングを活用して、特にDjangoフレームワーク内でPythonアプリケーションのパフォーマンスを向上させる方法を示しています。 Redisのインストール、Django構成、およびパフォーマンスの比較をカバーして、Beneを強調します

自然言語処理(NLP)は、人間の言語の自動または半自動処理です。 NLPは言語学と密接に関連しており、認知科学、心理学、生理学、数学の研究とのリンクがあります。コンピューターサイエンスで

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

SublimeText3 中国語版
中国語版、とても使いやすい

メモ帳++7.3.1
使いやすく無料のコードエディター

Dreamweaver Mac版
ビジュアル Web 開発ツール
