在代码里手写 SQL 并不是一件愉快的事情，故而，代码中往往使用 ORM，把代码中定义的数据模型、查询和数据操作转换为 SQL 语言来操作数据库。不同的 ORM，对于数据库操作的抽象程度也有所不同，抽象程度更高的 ORM，往往能够写出更为贴合编程语言的数据操作代码，且对 SQL 的转换有更为智能的处理，隐去更多无需关注的底层细节，使代码变得更为优雅，提高开发效率。Pony，就是一个具有高抽象程度的 Python 语言的 ORM 框架，其优雅的语法，甚至支持使用 Python 中的列表推导式进行数据库查询。

简介

Pony，是 ponyorm 在 Github 上开源的 Python ORM 框架，项目位于 https://github.com/ponyorm/pony，目前版本为 0.7.13。Pony 提供了十分 Pythonic 的 API，易于学习，使用方便。Pony 提供了基于实体的数据模型定义，精简的查询语法，全面的报错信息，并能输出可读性强的生成的 SQL 语句。这些大大提升了开发效率，使得使用 Python 语言进行数据库操作更为方便。相比于已有的 Django 和 SQLAlchemy 等 ORM，Pony 提供了 IdentityMap 模式，自动的事务管理，自动的查询和数据缓存，以及对于高级 SQL 语法的支持等。

安装

Pony 支持 Python 2.7 和 Python 3，可以使用 pip 安装：

pip install pony

Pony 目前支持的数据库包括 SQLite、PostgreSQL、MySQL、Oracle CockroachDB。当使用 SQLite 时，无需额外的依赖，而使用其他的数据库，需要安装对应的驱动。

示例

Pony 使用十分简单。首先，需要实例化数据库，连接到对应的数据库后端：

from pony.orm import *
db = Database("sqlite", "estore.sqlite", create_db=True)

使用 create_db 参数进行数据库创建。也可以先创建一个数据库实例，之后再进行绑定：

db = Database()
db.bind(provider='sqlite', filename='database.sqlite', create_db=True)

Pony 使用实体关系模型作为数据模型：

class Person(db.Entity):
    name = Required(str)
    age = Required(int)
    cars = Set('Car')

class Car(db.Entity):
    make = Required(str)
    model = Required(str)
    owner = Required(Person)

对于数据模型 Person，定义了3个属性：name，一个非空的字符串；age，一个非空的整数；cars，一个数据关系，是一个指向实体 Car 的集合，表示这个人所拥有的车辆集合。相似地，在实体 Car 中，定义了属性 owner，指向 Person，表示车辆对应的拥有者。通过这两个关系，我们就实现了 Person 和 Car 之间一对多的数据关系。Pony 还提供了一个方便的工具函数 show，用来打印实体的定义：

>>> show(Person)
class Person(Entity):
    id = PrimaryKey(int, auto=True)
    name = Required(str)
    age = Required(int)
    cars = Set(Car)

注意到，Person 比代码中的定义多了一个 id 属性，这是因为我们没有定义主键，故而 Pony 自动添加了一个 id 主键。

在定义了数据实体后，我们需要把它们映射到数据库的数据表：

db.generate_mapping(create_tables=True)

使用 create_tables 参数，当表不存在时自动创建。

在完成了数据模型的定义后，就可以进行数据实例的创建：

>>> p1 = Person(name='John', age=20)
>>> p2 = Person(name='Mary', age=22)
>>> p3 = Person(name='Bob', age=30)
>>> c1 = Car(make='Toyota', model='Prius', owner=p2)
>>> c2 = Car(make='Ford', model='Explorer', owner=p3)
>>> commit()

在调用 commit 后，会产生 SQL 的 INSERT 语句，把所有数据实例插入到数据库中。也可以使用 db_session 上下文，对 session 进行自动管理：

with db_session:
    p = Person(name='Kate', age=33)
    Car(make='Audi', model='R8', owner=p)

Pony 提供了十分优雅的查询方式，可以使用 Python 的生成器表达式和 lambda 函数进行数据库查询。我们来看一个基本例子：

>>> select(p for p in Person if p.age > 20)
<pony.orm.core.Query at 0x105e74d10>

这里，使用了 Pony 的 select 接口，对数据库进行查询，查询所有年龄大于20岁的人的记录，返回一个 Query 对象。想要得到数据列表，我们支持使用列表的范围切片语法：

>>> select(p for p in Person if p.age > 20)[:]

SELECT "p"."id", "p"."name", "p"."age"
FROM "Person" "p"
WHERE "p"."age" > 20

[Person[2], Person[3]]

可以看到，Pony 把一个列表推导形式的 Python 语句，转换为了对应的 SQL 查询语句，返回了符合条件的数据列表。相比于使用 where 函数等其他 ORM 采用的查询方式，Pony 的查询语法真正做到了 Pythonic，使得操作数据库表时仿佛在操作原生的 Python 列表。 Pony 还提供了聚合查询：

>>> print max(p.age for p in Person)
SELECT MAX("p"."age")
FROM "Person" "p"

30

使用 max 函数，就直接实现了对 Person.age 进行最大值的聚合查询。

>>> select((p, count(p.cars)) for p in Person)[:]

SELECT "p"."id", COUNT(DISTINCT "car-1"."id")
FROM "Person" "p"
  LEFT JOIN "Car" "car-1"
    ON "p"."id" = "car-1"."owner"
GROUP BY "p"."id"

[(Person[1], 0), (Person[2], 1), (Person[3], 1)]

代码语义十分清晰，查询所有的人，和每人所拥有的车辆数。这条看似简单的逻辑，翻译成 SQL，就会涉及到 Person 和 Car 模型的 join，以及对于 Person 的 group_by，还有计数的聚合查询和去重问题，可以看到，转换得到的 SQL 语句共5行涉及了众多的 SQL 语法和概念。Pony 使用一行语义清晰的 Python 代码，就实现了一个较为复杂的 SQL 查询，令人印象深刻。

另外，排序可以使用 Query 提供的 order_by 实现：

>>> select(p for p in Person).order_by(Person.name)[:2]

SELECT "p"."id", "p"."name", "p"."age"
FROM "Person" "p"
ORDER BY "p"."name"
LIMIT 2

[Person[3], Person[1]]

这里还使用了 [:2] 的语法，实现了 SQL 中的 LIMIT 语法。

如果你更喜欢使用 lambda 函数，Pony 也提供了 lambda 函数的数据查询方式：

product_list = Product.select(lambda p: p.price > 100)[:]

Pony 还提供了自动的去重查询。当进行数据的单个属性的查询时，我们往往希望查询的是所有出现的值的集合。Pony 会自动判断当前查询的语义，进行 DISTINCT 去重的添加。例如，想要查询所有人的名字：

select(p.name for p in Person)

在这里，查询语句只查询名字这一个属性，意味着我们想要得到的是所有名字的集合，而对于重名的情况并不关心，Pony 就会自动添加 DISTINCT：

SELECT DISTINCT "p"."name"
FROM "Person" "p"

对于使用主键查询数据实例，Pony 使用了极为简洁的方括号语法：

customer1 = Customer[123]

对于符合主键的模型，这个语法也是可以工作的：

order_item = OrderItem[order1, product1]

对于数据的修改和删除也是十分简单的：

Product[123].quantity += 10
Order[123].delete()

也提供了批量更新和修改：

update(p.set(price=price * 1.1) for p in Product
       if p.category.name == "T-Shirt")
delete(p for p in Product if p.category.name == 'SD Card')

总结

作为一个 Python 语言的 ORM 框架，以其优雅的接口语法，和智能的自动化处理能力，成为了其他 ORM 框架的有力竞争，值得开发者们进行使用，有兴趣的话还可以对其实现源码进行学习研究，进行开源贡献。