Introduction aux ORM en Python
Objectifs
L'objectif de cette vidéo est de familiariser les développeurs avec les choix d'ORM disponibles en Python, comprendre les contextes d'utilisation appropriés, et offrir une démonstration pratique de Peewee.
Résumé
Découvrez les principaux ORM en Python : SQL Alchemy, Django ORM et Peewee. Examinez leurs utilisations et avantages.
Description
Le monde des bibliothèques qui permettent de manipuler les bases de données est vaste. Parmi les ORM, il y a SQL Object, SQL Alchemy, Peewee, l'ORM de Django, Pony ORM. C’est important de choisir le bon ORM selon ses besoins spécifiques.
SQL Alchemy se distingue comme étant le plus efficace et puissant, parfait pour les gros projets. L'ORM de Django est intégré avec le framework Django, ce qui le rend idéal pour les projets web développés avec ce framework. Peewee, un ORM plus léger, est excellent pour les petits projets et pour ceux qui débutent avec les ORM.
L'utilisation d'un ORM simplifie grandement la manipulation des bases de données tout en permettant des validations de données automatisées, ainsi qu'une écriture plus claire et plus maintenable du code Python. La démonstration sur Peewee inclut l'installation de la bibliothèque, la connexion à une base de données SQLite, et la création de classes représentant les tables de données.
Questions fréquentes
Programme détaillé
Module 1 - Les fonctions, des objets comme les autres
Module 2 - Structures de données avancées
Module 3 - L'itération en pratique
Module 4 - Partager le travail
Module 5 - Persistence
Les thèmes variés agrémentés d'exemples simples et clairs enrichissent toutes les notions exposées de façon particulièrement pédagogique. 👍
L'approche didactique m'a permis de beaucoup mieux comprendre tout un tas de concepts plus ou moins bien assimilés auparavant avec une vue d'ensemble nettement plus limpide aujourd'hui. 🤓
Merci pour cette belle prestation. 🙏
Je suis vraiment tres satisfait par cette première formation suivie sur Python.
#CODE en python 3.10.0 64 bits (VScode 1.62.3)
import datetime
import asyncio
import aiohttp
import requests
# ----------------------------------------------------------------------------------------------------------------------------
def req_bloquante(num):
print(f"Get {num}")
uid = requests.get("https://httpbin.org/uuid").json()["uuid"]
print(f"Res {num}: {uid}")
def faire_toutes_les_requetes():
for x in range(51):
req_bloquante(x)
print("=====> ### Bloquant : ")
start = datetime.datetime.now()
faire_toutes_les_requetes()
exec_time = (datetime.datetime.now() - start).seconds
print(f"Downloading all take {exec_time} seconds\n")
# ----------------------------------------------------------------------------------------------------------------------------
async def requeteSansBloquer(semaphore, num, session):
print(f"Get {num}")
# await semaphore.acquire() # putting this await semaphore commande the Res is ordering but process very slow ~60 sec
async with session.get("https://httpbin.org/uuid") as response:
uid = (await response.json())["uuid"]
# await asyncio.sleep(delay=3) #delay = number of seconds
# semaphore.release()
print(f"Res {num}: {uid}")
# return uid # ?
async def main():
semaphore = asyncio.Semaphore(value=1)
tasks = []
async with aiohttp.ClientSession(
loop=loop, connector=aiohttp.TCPConnector(ssl=False)
) as session:
for x in range(51):
tasks.append(requeteSansBloquer(semaphore, x, session))
await asyncio.gather(*tasks)
print("This is after the loop...")
if __name__ == "__main__":
print("=====> ### Non Bloquant : ")
start = datetime.datetime.now()
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
exec_time = (datetime.datetime.now() - start).microseconds
print(f"Downloading all take {exec_time} micro seconds\n")