sqlalchemy表关联查询

一. 一对多, 一对一,多对多

参考文档: https://docs.sqlalchemy.org/en/13/orm/basic_relationships.html#many-to-many 或者=>
https://www.cnblogs.com/jasonwang-2016/p/5980237.html

1. 一对多

一对多使用的很多了,略
一对一只需要在一对多关系基础上使用uselist=False参数

2. 多对多

参考文档: https://www.cnblogs.com/wuheng-123/p/9706047.html

域名解析为负载均衡器与主机多对多的关系:

...

DnsRecord_HostIp = Table(
  'dnsrecord_hostip',
  Base.metadata,
  Column('dns_record_id',Integer, ForeignKey('dns_record.id'), primary_key=True),
  Column('host_ip_id',String(32), ForeignKey('host_ip.ID'), primary_key=True),
  #两字段primary_key都等于True,组合主键唯一,防止内容一样
)

class Host_Ip(Base):
  __tablename__ = 'host_ip'
  ID = Column(String(32),nullable=False, unique=True, primary_key=True)
  name = Column(String(32))
  ipv4_external = Column(String(20), index=True)
  ipv4_internal = Column(String(20), nullable=False)
  vpc_id = Column(String(32), ForeignKey('vpc.ID'), nullable=False)
  vpc = relationship(Vpc, backref='host_ip')

class Dns_Record(Base):
  __tablename__ = 'dns_record'
  id = Column(Integer, primary_key=True, autoincrement=True)
  domain_id = Column(Integer, ForeignKey('domain.id'), nullable=False)
  domain = relationship(Domain, backref='dns_record')
  project_name = Column(String(25), server_default='默认项目')
  type = Column(String(6), nullable=False)
  value = Column(String(32), nullable=False)
  TTL = Column(SmallInteger, server_default='600', nullable=False)
  # 以下也可在程序中运行得到
  loadbalancer_id = Column(String(32), ForeignKey('loadbalancer.ID'))
  loadbalancer = relationship(Loadbalancer, backref='dns_record')
  host_ip_id = Column(String(32), ForeignKey('host_ip.ID'))
  host_ip = relationship(Host_Ip, backref='dns_record')
  # 多对多关联关系,注意此处与上面host_ip的不同
  host_ip2 = relationship(Host_Ip, backref='dns_record2',secondary='dnsrecord_hostip')  # secondary,中间表

注意:host_ip是一对多关联关系,而hpst_ip2是多对多的关联关系
host_ip2的关联关系表示,当解析到负载均衡器时,负载均衡器绑定的后端主机关联关系

多对多.png

二. sqlalchemy之分组查询

参考文档: https://www.jianshu.com/p/0bab8f7cfdfd

查询dns解析记录表中解析多余1条的记录:
SQL语法:
select domain_id,count(*) from dns_record group by domain_id HAVING count(*)>1
sqlalchemy中如下:

from sqlalchemy import func

......
  # 分组查询测试
  def tt(self):
    #group_list = self.session.query(Dns_Record.domain_id, func.count(Dns_Record.domain_id)).group_by(Dns_Record.domain_id).all() 

    nums = func.count('*').label('c')    #显示名'c'
    group_list = self.session.query(Dns_Record.domain_id, nums).group_by(Dns_Record.domain_id).having(nums>1).all() 
    for v in group_list:
      print(v.domain_id, v.c)       #是v.c,不是v.nums

输出结果:

207 2
223 2
225 2
227 2
229 2
253 2
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,716评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,558评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,431评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,127评论 0 209
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,511评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,692评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,915评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,664评论 0 202
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,412评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,616评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,105评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,424评论 2 254
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,098评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,096评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,869评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,748评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,641评论 2 271