62. MongoDB 与 SQLAlchemy ORM

关系型数据库（如 MySQL）用表格存数据，结构严格；NoSQL 数据库（如 MongoDB）用文档存数据，灵活自由。ORM 则让你用操作对象的方式代替手写 SQL。这节把两种风格都讲一遍，开阔你的选型视野。

MongoDB：灵活的文档数据库

MongoDB 以 BSON（二进制 JSON）格式存储数据，一条记录就是一个文档，文档组成集合，集合组成数据库。没有固定的表结构，非常适合需求变化快的项目。

安装与连接

pip install pymongo

from pymongo import MongoClient

client = MongoClient('mongodb://localhost:27017/')
db = client['testdb']
collection = db['users']

如果 MongoDB 开启了认证，连接字符串里带上用户名密码： mongodb://username:password@localhost:27017/testdb

增删改查

插入文档：

user = {'name': 'Alice', 'age': 30, 'skills': ['Python', 'MongoDB']}
result = collection.insert_one(user)
print(f"插入 ID: {result.inserted_id}")

collection.insert_many([
    {'name': 'Bob', 'age': 25},
    {'name': 'Charlie', 'age': 35}
])

MongoDB 自动给每条文档生成 _id 字段，类型是 ObjectId。你也可以自己指定。

查询文档：

# 查一条
alice = collection.find_one({'name': 'Alice'})
print(alice)

# 查多条
for doc in collection.find({'age': {'$gt': 25}}):
    print(doc)

# 排序 + 限制
for doc in collection.find().sort('age', -1).limit(2):
    print(doc)

$gt 表示大于（greater than），类似的还有 $lt、$gte、$lte、$ne、$in 等。条件查询的语法是字典嵌字典，刚开始可能不习惯，多写几次就顺手了。

更新和删除：

collection.update_one(
    {'name': 'Alice'},
    {'$set': {'age': 31, 'city': 'Beijing'}}
)

collection.delete_one({'name': 'Bob'})
collection.delete_many({'age': {'$lt': 26}})

$set 只更新指定字段，不会覆盖整个文档。如果不用 $set，update_one 会用新文档替换旧文档。

SQLAlchemy：用 Python 对象操作数据库

写原生 SQL 很自由，但代码里字符串和逻辑混在一起，维护起来头疼。ORM（Object-Relational Mapping）把数据库表映射成 Python 类，把记录映射成对象，让你用面向对象的方式操作数据。

SQLAlchemy 是 Python 世界里最成熟的 ORM，支持 MySQL、PostgreSQL、SQLite 等多种数据库。

安装与连接

pip install sqlalchemy pymysql

from sqlalchemy import create_engine

# SQLite
engine = create_engine('sqlite:///test.db', echo=True)

# MySQL
# engine = create_engine('mysql+pymysql://user:password@localhost/testdb')

echo=True 会在控制台打印生成的 SQL，方便学习和调试。

定义模型

from sqlalchemy.orm import declarative_base, sessionmaker
from sqlalchemy import Column, Integer, String

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'

    id = Column(Integer, primary_key=True, autoincrement=True)
    name = Column(String(50), nullable=False)
    age = Column(Integer)

Base.metadata.create_all(engine)

• declarative_base() 创建基类，所有模型都继承它。
• Column 定义字段，Integer、String 等指定类型。
• create_all() 根据模型自动建表，表已存在则跳过。

CRUD 操作

Session = sessionmaker(bind=engine)
session = Session()

# 增
new_user = User(name='Alice', age=30)
session.add(new_user)
session.commit()

# 查
user = session.query(User).filter_by(name='Alice').first()
print(user.name, user.age)

users = session.query(User).filter(User.age > 25).all()
for u in users:
    print(u.name)

# 改
user.age = 31
session.commit()

# 删
session.delete(user)
session.commit()

session 是数据库会话，相当于一个工作单元。所有改动先缓存在会话里，commit() 时才真正发送到数据库。

关系映射

SQLAlchemy 也支持外键和关系。一对多关系的示例如下：

from sqlalchemy import ForeignKey
from sqlalchemy.orm import relationship

class Address(Base):
    __tablename__ = 'addresses'
    id = Column(Integer, primary_key=True)
    email = Column(String(100))
    user_id = Column(Integer, ForeignKey('users.id'))
    user = relationship('User', back_populates='addresses')

User.addresses = relationship('Address', back_populates='user')

定义好关系后，可以直接通过对象属性访问关联数据：user.addresses 拿到该用户的所有地址，address.user 拿到所属用户。

何时选 MongoDB，何时选 SQL + ORM

维度	MongoDB	SQL + ORM
数据结构	灵活，无固定 schema	严格，需预先定义表结构
查询方式	文档查询，适合嵌套数据	SQL 查询，适合关联分析
扩展性	水平扩展容易	垂直扩展为主
事务支持	4.0+ 支持多文档事务	成熟完善
适用场景	日志、内容管理、实时数据	电商、金融、复杂报表

小结

• PyMongo 的 API 直观，find_one、insert_many、update_one 等方法与 MongoDB 原生命令对应。
• SQLAlchemy 把表变成类、记录变成对象，session 管理事务和生命周期。
• MongoDB 适合 schema 多变、读写频繁的场景；SQLAlchemy 适合关系复杂、事务要求高的业务。

---