现在，我们用torndo做web开发框架，用他内部机制来处理HTTP请求。传说中的非阻塞式服务。

整来整去，可谓之一波三折。可是，无论怎么样，算是被我做成功了。

在tornado服务上，采用三种数据库模型–》

1）torndb

2）django model

3）SQLAlchemy model

　　　　都同时输出相应的JSON，做API服务。（一个比一个强大的ORM model）

都同时实现了一样的功能

注意：要说明的一点是，在数据库建立模型的时候，是用到的django model建立的数据库模型。所以在使用torndb（SQL 操作语言的ORM） 和 django model的时候，非常简单操作，直接引用就可以使用了。而当再利用SQLAlchemy的时候，将会不得不将django的models 改写成 SQLAlchemy 支持的格式

一、先来说说torndb

使用很简单。

请看代码

import torndb
from tornado.options import define, options# define 完成后，同时生成一个options里面的属性，在下面方便 torndb.Connection
define("port", default=8000, help="run on the given port", type=int)
define("mysql_host", default="127.0.0.1:3306", help="database host")
define("mysql_database", default="center", help="database name")
define("mysql_user", default="root", help="database user")
define("mysql_password", default="root", help="database password")
define("secret", default="justsecret", help="secret key")db = torndb.Connection(
        host=options.mysql_host, database=options.mysql_database,
        user=options.mysql_user, password=options.mysql_password)# 设定JSON跳出规则，配合torndb取数据用def __default(obj):
    if isinstance(obj, datetime):
        return obj.strftime('%Y-%m-%d %H:%M:%S')
    elif isinstance(obj, date):
        return obj.strftime('%Y-%m-%d')
    else:
        raise TypeError('%r is not JSON serializable' % obj)def json_dumps(s):
    """    """
    return json.dumps(s,ensure_ascii=False,default=__default)

然后，看看响应的文档，

对http://localhost:8000/testpage1 的HTTP请求会导入到下面的例程中，

@require_basic_auth
class TestPage1Handler(BaseHandler):
    """This is a test page to show the asker's utmost parent's all details
    """
    def post(self, **kwargs):
        ret = {'ret':'','msg':''}
        parent_asker = kwargs['a']
        #boss_profile = db.get("SELECT * from sometable where username=%s", parent_asker)
        boss_profile = db.query("SELECT * FROM kms_sgroup")
        ret['result'] = { parent_asker : boss_profile }
        self.write(json_dumps(ret))
        return

注意: db.query(“”) 跳出的是一个列表，多组数据。多row

db.get(“”)跳出的是单个元素，单组数据

class Application(tornado.web.Application):
    def __init__(self):
        handlers = [
            # 测试用torndb model用的URL
            (r"/testpage1", TestPage1Handler),            # 通过       测试结果10000次请求，花费时间10.3秒  每秒处理970次请求
            # 测试 django model 用的URL
            (r"/testpage2", TestPage2Handler),            # 通过       测试结果10000次请求，花费时间18.6秒  每秒处理538次请求
            # 测试 sqlalchemy model 用的URL
            (r"/testpage3", TestPage3Handler),            # 通过       测试结果10000次请求，花费时间24.1秒  每秒处理415次请求        ]        settings = dict(
            cookie_secret="__TODO:_GENERATE_YOUR_OWN_RANDOM_VALUE_HERE__",
            debug=True,
        )
        tornado.web.Application.__init__(self, handlers, **settings)

二、来看看tornado 和 django model的配合

（ tornado 的center.py 文件放在django 的项目下，和 django 的 manage.py 同级 ,  此文件放在 ./center.py )

# let's get userprofile with django model instead! :)
#from api.models import SGroup
# 下面的这个引入django默认目录的环境的行为是必须的！
import os
os.environ['DJANGO_SETTINGS_MODULE'] = 'project.settings'

# 这里的SGroup 就是生成数据模型的时候用的。django model生成之后，我们才选择的torndb或者django model ORM的
from api.models import SGroup as SG
from django.core import serializers
@require_basic_auth
class TestPage2Handler(BaseHandler):
    def post(self, **kwargs):
        ret = {'ret':'','msg':''}
        parent_asker = kwargs['a']
        boss_profile = SG.objects.all()
        # the type of 'data' is string
        data = serializers.serialize("json", boss_profile)
        # make 'data' a list
        data = json.loads(data)        # to get data[0]['fields'] . that's what we need beyond the model's "pk" and "model" property of the object data
        # data[0]['fields'] is a dict
        ret['result'] = { parent_asker : data[0]['fields'] }
        self.write(json_dumps(ret))
        return

django 的ORM 的自带的serializers 在格式化JSON的时候，有点小区别。

这里式serializers  的官方地址：https://docs.djangoproject.com/en/1.6/topics/serialization/

这里是默认会给出的结果，

JSON

When staying with the same example data as before it would be serialized as JSON in the following way:

[
    {
        "pk": "4b678b301dfd8a4e0dad910de3ae245b",
        "model": "sessions.session",
        "fields": {
            "expire_date": "2013-01-16T08:16:59.844Z",
            ...
        }
    }
] 

貌似长的跟想要的不一样，我们只需要fields里面的东西。这就是为什么上面我做了

data = serializers.serialize("json", boss_profile)
        # make 'data' a list
        data = json.loads(data)        # to get data[0]['fields'] . that's what we need beyond the model's "pk" and "model" property of the object data
        # data[0]['fields'] is a dict
        ret['result'] = { parent_asker : data[0]['fields'] }

这个操作。这样，我们就会得到需要的东西了。一般情况下，字段”pk”, “model” 是我们不需要的。fields里面的才是数据库里面保存的鲜活的数据。

三、SQLAlchemy 来配合tornado 表达MySQL

这个才是重头戏，喜欢DIY还有有特定需求的童鞋可以使用这样的方法，就是什么东西都要自己写。很爽！

首先是建立让SQL Alchemy 与 SQL 会话。话说回来了，SQLAlchemy有自己的格式的model，而django有自己的一套。而纯SQL语言将是万能的，因为纯SQL没有任何封装。

所以，为了使用SQLAlchemy，我们需要针对数据结构，封装一个SQLAlchemy的数据模型。

先看看此前的django 的model, 次文件为 ./api/models.py

from django.db import models
class SGroup(models.Model):
    """ Subscriber & Group    """
    # 车机组名称
    name = models.CharField(_(u"Subscriber Group Name"), max_length=100, unique=True)
    is_active = models.BooleanField(_(u'Active Status'), default=True,
        help_text=_('Designates whether this user should be treated as '
                    'Active. Unselect this instead of deleting accounts.'))    date_created = models.DateTimeField(_(u'Account Created'), auto_now_add=True)    class Meta:
        verbose_name = _(u'Subscriber Group')
        verbose_name_plural = _(u'Subscriber Groups')        db_table = 'sometable'
        ordering = ['-id']    def __unicode__(self):
        return self.name

再看看我们封装成SQLAlchemy后的model类型，此文件为 ./sqla/models.py

#coding: utf-8
from sqlalchemy import (
    ForeignKey,
    Column,
    Index,
    Integer,
    String,
    Boolean,
    Text,
    Unicode,
    UnicodeText,
    DateTime,
    )from sqlalchemy.ext.declarative import declarative_base
Base = declarative_base()import datetime
class SGroup(Base):
    """ Subscriber & Group    """    __tablename__ = 'sometable'
    id = Column(Integer, primary_key=True)
    name = Column(String(100), unique=True)
    is_active = Column(Boolean, default=True)
    date_created = Column(DateTime, default=datetime.datetime.utcnow)    #name = models.CharField(_(u"Subscriber Group Name"), max_length=100, unique=True)
    #is_active = models.BooleanField(_(u'Active Status'), default=True,
    #    help_text=_('Designates whether this user should be treated as '
    #                'Active. Unselect this instead of deleting accounts.'))    #date_created = models.DateTimeField(_(u'Account Created'), auto_now_add=True)    #class Meta:
        #verbose_name = _(u'Subscriber Group')
        #verbose_name_plural = _(u'Subscriber Groups')    #    db_table = 'sometable'
    #    ordering = ['-id']    

新建数据模型后，我们再来看看如何修改tornado 服务 center.py的代码，添加这些进去

# 先建立sqlalchemy 到 数据库的链接会话
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from sqla.models import SGroup
mysql_engine = create_engine('mysql://root:root@localhost:3306/center?charset=utf8',encoding = "utf-8",echo =True)
DB_Session = sessionmaker(bind=mysql_engine)
session = DB_Session()# 将SQLAlchemy 对象打包成JSON格式
# 这里重写json.dump(data, cls=json.JSONEncoder) from sqlalchemy.ext.declarative import DeclarativeMeta
def new_alchemy_encoder():
    _visited_objs = []
    class AlchemyEncoder(json.JSONEncoder):
        def default(self, obj):
            fields = {}
            if isinstance(obj.__class__, DeclarativeMeta):
                # don't re-visit self
                if obj in _visited_objs:
                    return None
                _visited_objs.append(obj)                # an SQLAlchemy class                for field in [x for x in dir(obj) if not x.startswith('_') and x != 'metadata']:
                    fields[field] = obj.__getattribute__(field)
                # a json-encodable dict
            else:
                # 这里是我新添加的，用来处理JSON对象中，如果存在时间类型的话
                # 将按这种方式返回
                if isinstance(obj, datetime):
                    return obj.strftime('%Y-%m-%d %H:%M:%S')
                if isinstance(obj, date):
                    return obj.strftime('%Y-%m-%d')            return fields            return json.JSONEncoder.default(self, obj)
    return AlchemyEncoder@require_basic_auth
class TestPage3Handler(BaseHandler):
    """This is a test page to show the asker's utmost parent's all details
    """
    def post(self, **kwargs):
        ret = {'ret':'','msg':''}
        #name_queue = get_outersystem_org(kwargs)
        parent_asker = kwargs['a']        data = session.query(SGroup).all()        # 使用新建的JSON encoder对象，作为json.dumps的标准 来dumps数据出去
        # 请注意：这里是 json.dumps 与 torndb的例子中的 json_dumps不同
        self.write(json.dumps(data, cls=new_alchemy_encoder() ) )
        return

好了，SQLAlchemy的道路比较曲折，什么都得重写，而且比较深入，但是可以高度定制！有特殊要求的可以使用SQLAlchemy

我们来测试一下

开始测试

测试用的脚本写好了。

testauth.py

import urllib
import urllib2
import base64
import timedef url_post(url):
    """Let's do an analogical browser authentication loop    """
    TOKEN_KEY_OS1="xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
    token_encoded = base64.b64encode("level1:"+level2:"+TOKEN_KEY_OS1)
    token_encoded = token_encoded.replace("\n","",1)
    token = token_encoded    postDict = {
            #查询指定username的客户信息
            #"username":"",    }    postData = urllib.urlencode(postDict)
    request = urllib2.Request(url, postData)
    request.get_method = lambda : 'POST'
    basic = "Basic "+ token
    # 这里是实现了一个HTTP header 的加密验证等服务
    request.add_header('Authorization', basic)
    response = urllib2.urlopen(request)    #return response.readlines() , response.headers.dict
    return response

testrequest.py

from testauth import url_post
import datetimedef mega_attack(number=100000):    start = datetime.datetime.now()
    for i in range(number):
        r = url_post('http://localhost:8000/testpage1')
        print r.readlines()
    end = datetime.datetime.now()
    td = end - start
    print "It takes " + str(td.total_seconds()/60) + " minutes to response " + str(number) + " requests!"
    print "Need to upgrade your computer ? :P"if __name__ == "__main__":
    mega_attack(10000)

然后我们来测试一下：

$~ python testrequest.py

我们会得到这些数据：

['{"msg": "", "result": {"level1": [{"date_created": "2014-01-08 08:11:03", "is_active": 1, "id": 1, "name": "VIP_level1"}, {"date_created": "2014-01-08 08:11:03", "is_active": 1, "id": 2, "name": "VIP_level2"}]}, "ret": "0"}']
...
...
['{"msg": "", "result": {"level1": [{"date_created": "2014-01-08 08:11:03", "is_active": 1, "id": 1, "name": "VIP_level1"}, {"date_created": "2014-01-08 08:11:03", "is_active": 1, "id": 2, "name": "VIP_level2"}]}, "ret": "0"}']
['{"msg": "", "result": {"level1": [{"date_created": "2014-01-08 08:11:03", "is_active": 1, "id": 1, "name": "VIP_level1"}, {"date_created": "2014-01-08 08:11:03", "is_active": 1, "id": 2, "name": "VIP_level2"}]}, "ret": "0"}']
It takes 0.179841 minutes to response  requests!
Need to upgrade your computer ? :P

这里是服务器端看到的内容：

我们把三个不同的数据库模型都进行测试，得到的结果为：

           # 测试用torndb model用的URL
            (r"/testpage1", TestPage1Handler),       # 通过       测试结果10000次请求，花费时间10.3秒  每秒处理970次请求
            # 测试 django model 用的URL
            (r"/testpage2", TestPage2Handler),       # 通过       测试结果10000次请求，花费时间18.6秒  每秒处理538次请求
            # 测试 sqlalchemy model 用的URL
            (r"/testpage3", TestPage3Handler),       # 通过       测试结果10000次请求，花费时间24.1秒  每秒处理415次请求

总结：

纯SQL最快，毫无疑问！

django model 和 SQLAlchemy model （以下称sqla）各有千秋，

django model里面做了很多优化，sqla 高度封装，里面也做了一些优化，但是如果每次都是徒手来写的话，不一定能一定用到最优方法。针对特殊需求，需要改动的，则需要使用sqla。django model几乎什么都自带了，自带了太多比如serializer 输出的东西，不一定都是我们想要的。但是通过不同方法，都能实现同样的功能。

不同点在于，开发使用思考难度，开发使用效率，服务器相应时间。

从上面来看，

在开发过程中：

　　　　　　　　torndb 和 django model 比较好用。当需求发生改变时， torndb 和 django model 可以很快改变以提供所见所得效果。只不过torndb需要的SQL语句标点等校验，是非常耗费开发时间的。

　　　　　　　　而，sqla来说，也可以达到共同的效果，但是，每次都要dive into 数据库模型里面，但是对特殊的需求有非常多的变身受应面。

从服务器角度：

　　　　　　　　torndb 最快毫无疑问了。django model 是高度封装的ORM， 服务器也还好，不过一般要消耗一半的性能。sqla，可以有多种形态变身，因为sqla支持纯SQL语言也支持sqla自身的model类型。当然，优化做好了sqla也可以速度非常快！

不同的学习曲线。django model 看起来只是算一个比较简单的数据model，而sqlalchemy 几乎覆盖了所有数据能操作的范畴，很强大。

总之，各有千秋。

Happy Hacking and Happy Coding!