Patterns de Base de Données Python

VérifiéSûr

Maîtrisez SQLAlchemy 2.0 et les meilleures pratiques de gestion de bases de données en Python. Couvre les modèles ORM, requêtes asynchrones, relations et patterns avancés.

Spar Skills Guide Bot
DeveloppementIntermédiaire
04/03/2026
Claude CodeCursorWindsurfCopilotCodex
#sqlalchemy#python#orm#database#async

Recommandé pour

Synthèse automatique

Ce skill fournit des modèles SQLAlchemy 2.0 pour Python, couvrant les modèles déclaratifs typés, les requêtes, les relations, les sessions asynchrones et l'intégration FastAPI.

Points forts

  • Montre la syntaxe SQLAlchemy 2.0 avec annotations Mapped et mapped_column
  • Détaille la configuration asynchrone avec create_async_engine et async_sessionmaker
  • Illustre les relations un-à-plusieurs et plusieurs-à-un avec back_populates
  • Inclut des exemples concrets d'injection de dépendances FastAPI

Limites

  • Ne détaille pas les migrations Alembic malgré leur mention dans les déclencheurs
  • Suppose SQLAlchemy 2.0+ et Python 3.10+, avec asyncpg ou aiosqlite pour l'asynchrone
  • Le motif repository et unit of work est annoncé mais très peu couvert
Quand l'utiliser

À utiliser lorsqu'on écrit ou révise du code Python avec SQLAlchemy 2.0, notamment des modèles, requêtes ou sessions asynchrones.

Quand l'éviter

À éviter pour des migrations Alembic avancées ou des bases non relationnelles, que ce skill ne traite pas.

Analyse de sécurité

Sûr
Score qualité85/100

The skill is an educational SQLAlchemy reference. It contains no destructive commands, exfiltration instructions, obfuscated payloads, or attempts to disable safety controls. The Bash tool is declared but the content does not instruct running unsafe shell commands. Example connection strings use placeholder credentials, not real secrets.

Aucun point d'attention détecté

Comment cette analyse est faite

Exemples

Async SQLAlchemy setup
Set up an async SQLAlchemy 2.0 engine and session factory for a PostgreSQL app, with a select query for active users.
Model relationships
Create SQLAlchemy 2.0 User and Post models with a one-to-many relationship and typed Mapped annotations.
FastAPI database dependency
Add a FastAPI dependency that yields an AsyncSession and use it to fetch a user by ID with a 404 fallback.

name: python-database-patterns description: "SQLAlchemy and database patterns for Python. Triggers on: sqlalchemy, database, orm, migration, alembic, async database, connection pool, repository pattern, unit of work." compatibility: "SQLAlchemy 2.0+, Python 3.10+. Async requires asyncpg (PostgreSQL) or aiosqlite." allowed-tools: "Read Write Bash" depends-on: [python-typing-patterns, python-async-patterns] related-skills: [python-fastapi-patterns]

Python Database Patterns

SQLAlchemy 2.0 and database best practices.

SQLAlchemy 2.0 Basics

from sqlalchemy import create_engine, select
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column, Session

class Base(DeclarativeBase):
    pass

class User(Base):
    __tablename__ = "users"

    id: Mapped[int] = mapped_column(primary_key=True)
    name: Mapped[str] = mapped_column(String(100))
    email: Mapped[str] = mapped_column(String(255), unique=True)
    is_active: Mapped[bool] = mapped_column(default=True)

# Create engine and tables
engine = create_engine("postgresql://user:pass@localhost/db")
Base.metadata.create_all(engine)

# Query with 2.0 style
with Session(engine) as session:
    stmt = select(User).where(User.is_active == True)
    users = session.execute(stmt).scalars().all()

Async SQLAlchemy

from sqlalchemy.ext.asyncio import (
    AsyncSession,
    async_sessionmaker,
    create_async_engine,
)
from sqlalchemy import select

# Async engine
engine = create_async_engine(
    "postgresql+asyncpg://user:pass@localhost/db",
    echo=False,
    pool_size=5,
    max_overflow=10,
)

# Session factory
async_session = async_sessionmaker(engine, expire_on_commit=False)

# Usage
async with async_session() as session:
    result = await session.execute(select(User).where(User.id == 1))
    user = result.scalar_one_or_none()

Model Relationships

from sqlalchemy import ForeignKey
from sqlalchemy.orm import relationship, Mapped, mapped_column

class User(Base):
    __tablename__ = "users"

    id: Mapped[int] = mapped_column(primary_key=True)
    name: Mapped[str]

    # One-to-many
    posts: Mapped[list["Post"]] = relationship(back_populates="author")

class Post(Base):
    __tablename__ = "posts"

    id: Mapped[int] = mapped_column(primary_key=True)
    title: Mapped[str]
    author_id: Mapped[int] = mapped_column(ForeignKey("users.id"))

    # Many-to-one
    author: Mapped["User"] = relationship(back_populates="posts")

Common Query Patterns

from sqlalchemy import select, and_, or_, func

# Basic select
stmt = select(User).where(User.is_active == True)

# Multiple conditions
stmt = select(User).where(
    and_(
        User.is_active == True,
        User.age >= 18
    )
)

# OR conditions
stmt = select(User).where(
    or_(User.role == "admin", User.role == "moderator")
)

# Ordering and limiting
stmt = select(User).order_by(User.created_at.desc()).limit(10)

# Aggregates
stmt = select(func.count(User.id)).where(User.is_active == True)

# Joins
stmt = select(User, Post).join(Post, User.id == Post.author_id)

# Eager loading
from sqlalchemy.orm import selectinload
stmt = select(User).options(selectinload(User.posts))

FastAPI Integration

from fastapi import Depends, FastAPI
from sqlalchemy.ext.asyncio import AsyncSession
from typing import Annotated

async def get_db() -> AsyncGenerator[AsyncSession, None]:
    async with async_session() as session:
        yield session

DB = Annotated[AsyncSession, Depends(get_db)]

@app.get("/users/{user_id}")
async def get_user(user_id: int, db: DB):
    result = await db.execute(select(User).where(User.id == user_id))
    user = result.scalar_one_or_none()
    if not user:
        raise HTTPException(status_code=404)
    return user

Quick Reference

| Operation | SQLAlchemy 2.0 Style | |-----------|---------------------| | Select all | select(User) | | Filter | .where(User.id == 1) | | First | .scalar_one_or_none() | | All | .scalars().all() | | Count | select(func.count(User.id)) | | Join | .join(Post) | | Eager load | .options(selectinload(User.posts)) |

Additional Resources

  • ./references/sqlalchemy-async.md - Async patterns, session management
  • ./references/connection-pooling.md - Pool configuration, health checks
  • ./references/transactions.md - Transaction patterns, isolation levels
  • ./references/migrations.md - Alembic setup, migration strategies

Assets

  • ./assets/alembic.ini.template - Alembic configuration template

See Also

Prerequisites:

  • python-typing-patterns - Mapped types and annotations
  • python-async-patterns - Async database sessions

Related Skills:

  • python-fastapi-patterns - Dependency injection for DB sessions
  • python-pytest-patterns - Database fixtures and testing

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/python-database-patterns-mmbizjsl/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/python-database-patterns-mmbizjsl' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/python-database-patterns-mmbizjsl/download' --output '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md.part' && mv '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md.part' '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Environnement déclaré par l’auteur : SQLAlchemy 2.0+, Python 3.10+. Async requires asyncpg (PostgreSQL) or aiosqlite.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Read Write Bash

Extrait original : Quick Reference
OperationSQLAlchemy 2.0 Style
Select allselect(User)
Filter.where(User.id == 1)
First.scalar_one_or_none()
All.scalars().all()
Countselect(func.count(User.id))
Join.join(Post)
Eager load.options(selectinload(User.posts))

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md' && test -s '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/python-database-patterns' && cp -R '.skill-downloads/python-database-patterns-mmbizjsl' '.claude/skills/python-database-patterns'

Cursor
test -f '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md' && test -s '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/python-database-patterns' && cp -R '.skill-downloads/python-database-patterns-mmbizjsl' '.cursor/skills/python-database-patterns'

Codex
test -f '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md' && test -s '.skill-downloads/python-database-patterns-mmbizjsl/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/python-database-patterns' && cp -R '.skill-downloads/python-database-patterns-mmbizjsl' '.agents/skills/python-database-patterns'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/python-database-patterns-mmbizjsl'

openskills read 'python-database-patterns-mmbizjsl'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/python-database-patterns-mmbizjsl/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires