Nano Hash - криптовалюты, майнинг, программирование

SQLAlchemy: как привязать сеанс с заданной областью к запросу

Я новичок в sqlalchemy, и кажется, что я все еще пропускаю несколько фундаментальных понятий. Я хочу использовать sqlalchemy для обработки взаимодействия с базой данных в многопоточном веб-приложении.

Итак, я начинаю с

import sqlalchemy
from sqlalchemy                 import create_engine
from sqlalchemy.orm             import sessionmaker, scoped_session

engine          = create_engine('mysql://mydb')
session_factory = sessionmaker( autocommit  = False,
                                autoflush   = False,
                                bind        = engine )
Session         = scoped_session(session_factory)

Я использую MoinMoin вики, которая обрабатывает запросы, поэтому у меня есть объект macro.request, содержащий запрос.

Теперь у меня есть метод в каком-то классе, скажем

def do_sth():
    session = Session()
    # use the session to get some data from the db

Где и как сообщить объекту Session, с каким запросом он связан?

Читая многопоточное использование SQLAlchemy, он говорит

Объект ScopedSession по умолчанию использует [threading.local()] в качестве хранилища, поэтому один сеанс поддерживается для всех, кто обращается к реестру ScopedSession, но только в рамках одного потока. Вызывающие объекты, которые обращаются к реестру в другом потоке, получают экземпляр Session, локальный для этого другого потока.

поэтому «вызывающие, которые обращаются к реестру в другом потоке, получают экземпляр сеанса, который является локальным для этого другого потока».

Как экземпляр Session является локальным, если я никогда не говорил ему, с каким запросом он связан?


Ответы:


1

В документации SQLAlchemy говорится

Таким образом, приведенный выше пример использования scoped_session, в котором один и тот же объект Session поддерживается для нескольких вызовов, предполагает, что должен существовать какой-то процесс, чтобы несколько вызовов во многих потоках фактически не получали дескриптор одного и того же сеанса. Мы называем это понятие локальным хранилищем потока, что означает, что используется специальный объект, который будет поддерживать отдельный объект для каждого потока приложения. Python предоставляет это через конструкцию threading.local().

Поэтому, хотя я и не понял, как получить pid текущего потока из данного сеанса, модуль threading используется для связывания сеанса с потоком. В частности, можно проверить хеш-ключ сеанса.

session.hash_key

в примере в вопросе, чтобы проверить, что Session() обеспечивает один и тот же сеанс в двух вызовах, если и только если оба были выполнены в одном потоке.

Таким образом, сеансы правильно связаны с запросами, если каждый запрос обрабатывается отдельным потоком.

31.10.2016
  • Спасибо за ссылку на документацию! 08.12.2020
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..