Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

SQLAlchemy: как Python-разработчику работать с базой через ORM и не потерять в скорости

SQLAlchemy — библиотека Python для работы с реляционными базами: PostgreSQL, MySQL, SQLite и другими. Разработчик описывает таблицы классами, получает и сохраняет строки как объекты через сессию, а библиотека сама пишет SQL и управляет транзакциями. У неё два слоя: Core — конструктор SQL-запросов на Python, и ORM — отображение строк на объекты. Чтобы работать уверенно, нужно освоить модели, сессию, загрузку связей без лишних запросов и миграции Alembic, которые меняют схему базы вместе с кодом.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
Иллюстрация к статье: SQLAlchemy: как Python-разработчику работать с базой через ORM и не потерять в скорости

Главное заблуждение новичка — что ORM медленный сам по себе. Обычно тормозит не библиотека, а то, как к ней обращаются: цикл по списку заказов, в котором каждое обращение к связанным строкам отправляет в базу отдельный запрос. На учебной базе из десяти записей такой код работает мгновенно, а в рабочей базе страница грузится секундами. Если видеть сгенерированный SQL и понимать, когда сессия идёт в базу, ORM почти не отстаёт от ручного SQL, а кода становится меньше.

Что умеет SQLAlchemy и когда без него проще

На Core вы строите запрос из объектов Python: select(orders).where(orders.c.total > 1000). Это тот же SQL, только без склейки строк и с безопасной подстановкой параметров. ORM добавляет уровень выше: класс соответствует таблице, объект — строке, связь — внешнему ключу, а сессия сама отправит INSERT и UPDATE для изменённых объектов в одной транзакции.

Библиотекой пользуются бэкенд-разработчики на Flask и FastAPI, где своего слоя для базы нет. Аналитики встречают её через pandas: read_sql и to_sql принимают подключение SQLAlchemy. Инженеры данных пишут на Core выгрузки, где объекты не нужны.

ORM бывает лишним. Разовый отчёт с оконными функциями проще написать на чистом SQL и выполнить через text(), миллион строк быстрее загрузить вставкой через Core, а в проекте на Django уже есть своя ORM. Знание SQL библиотека не отменяет: медленный запрос разбирают по его тексту и плану выполнения.

Учебный пример: заказы и позиции заказа

Ситуация учебная. Интернет-магазин хранит заказы и их позиции, у заказа может быть несколько строк. Нужен отчёт по последним двумстам заказам: покупатель и общее число товаров. Модели в стиле SQLAlchemy 2.0:

from sqlalchemy import ForeignKey, create_engine, select
from sqlalchemy.orm import (DeclarativeBase, Mapped, Session,
    mapped_column, relationship, selectinload)

class Base(DeclarativeBase): pass

class Order(Base):
    __tablename__ = "orders"
    id: Mapped[int] = mapped_column(primary_key=True)
    customer: Mapped[str]
    lines: Mapped[list["OrderLine"]] = relationship()

class OrderLine(Base):
    __tablename__ = "order_lines"
    id: Mapped[int] = mapped_column(primary_key=True)
    order_id: Mapped[int] = mapped_column(ForeignKey("orders.id"))
    qty: Mapped[int]

engine = create_engine("sqlite:///shop.db", echo=True)

Первая версия отчёта:

with Session(engine) as session:
    orders = session.scalars(select(Order).limit(200)).all()
    for o in orders:
        print(o.customer, sum(l.qty for l in o.lines))

Параметр echo=True выводит каждый запрос, и видно, что база получила их двести один. Причина в настройке по умолчанию: в документации SQLAlchemy о загрузке связей сказано, что lazy у relationship() по умолчанию равен "select" — связь загружается отдельным запросом при первом обращении. На N объектов выходит N+1 запрос.

Исправление — одна строка: select(Order).options(selectinload(Order.lines)).limit(200). Теперь запросов два: за заказами и за всеми позициями сразу через WHERE order_id IN (...). По документации selectinload передаёт в одном запросе до 500 ключей, так что на 1200 заказов уйдёт четыре запроса. Для коллекций документация советует selectinload, для связи «многие к одному» — joinedload, то есть JOIN в том же запросе. А raiseload превращает забытую загрузку в ошибку вместо тихого лишнего запроса.

Сессия: что происходит между add и commit

Документация по основам сессии советует открывать её на одну логическую операцию, в веб-приложении — на один запрос. Удобна конструкция with Session(engine) as session, session.begin(): — при выходе транзакция фиксируется или откатывается при ошибке, а сессия закрывается.

Внутри работает карта идентичности (identity map): на каждый первичный ключ в памяти один объект. Повторный session.get(Order, 15) вернёт тот же объект и в базу не пойдёт. Транзакция начинается сама при первом запросе.

После commit() все объекты помечаются устаревшими, и при следующем чтении атрибута строка заново загружается из базы. Если после фиксации пройти по сотне объектов, чтобы собрать ответ, получится сотня лишних запросов. Собирайте ответ до commit() или создавайте сессию с expire_on_commit=False.

На сайте проекта в октябре 2026 года текущей названа ветка 2.1 (выпуск 2.1.4 от 7 октября), 2.0 переведена на поддержку. Стиль 2.0 — select(), session.scalars(), Mapped — остаётся основным, а session.query() из старых уроков документация считает устаревшим интерфейсом.

Миграции Alembic: где автогенерация ошибается

Схема меняется вместе с кодом: добавили поле в модель — нужен столбец в таблице. Для этого есть Alembic. Команда alembic revision --autogenerate сравнивает модели с базой и пишет файл миграции, alembic upgrade head применяет его, а файлы лежат в репозитории.

Автогенерация видит не всё. В документации Alembic 1.20 об автогенерации перечислено, чего она не обнаруживает. Переименование таблицы выйдет удалением одной и созданием другой, а переименование столбца — парой «удалить, добавить», что, как подчёркивают авторы, совсем не смена имени. Переименуете customer в customer_name и примените миграцию не глядя — Alembic удалит столбец вместе с именами покупателей и создаст пустой. Миграцию правят вручную: две операции заменяют одной op.alter_column("orders", "customer", new_column_name="customer_name").

Там же указано, что не видны изменения ограничений без имени — документация советует давать им имена, удобнее всего через правило именования в MetaData. Отсюда правило: сгенерированную миграцию читают перед применением, как чужой код на ревью.

С чего начать и в каком порядке осваивать

Порядок выбран так, чтобы каждый шаг опирался на предыдущий: без SQL непонятно, что генерирует ORM, без моделей не будет связей, а миграции нужны, когда схема уже меняется. Начинать удобно на SQLite — она не требует сервера.

  1. Повторите SQL: JOIN, GROUP BY, ключи, транзакции.
  2. Поработайте с Core: create_engine, text(), select().
  3. Опишите две-три модели через DeclarativeBase и Mapped, сохраните объекты через сессию.
  4. Добавьте связи и включите echo=True.
  5. Подключите Alembic: новый столбец, индекс, переименование с ручной правкой.
  6. Перейдите на PostgreSQL и подключите базу к Flask или FastAPI.

Этот путь можно пройти по официальному учебнику на сайте SQLAlchemy. Если нужен преподаватель, базы удобно изучать в составе программы по Python. На онлайн-курсе «Python-разработчик» школы Бруноям этому посвящён пятый модуль из четырнадцати: SQL, PostgreSQL и SQLAlchemy, а за ним идут asyncio, FastAPI и pytest. Программа рассчитана на десять месяцев; диплом о переподготовке выдают на тарифе «Оптимальный» при наличии среднего профессионального или высшего образования.

Открыть курс «Python-разработчик»

Упражнения и как проверить себя

Лучшая проверка — считать запросы. Для каждой функции запишите, сколько запросов ожидаете, и сравните с выводом echo=True. Двадцать один запрос на список из двадцати элементов — это N+1.

На базе магазина постройте отчёт «топ-10 покупателей» через ORM и через Core с func.sum, затем сравните SQL. Добавьте поле status со значением по умолчанию и проверьте старые строки. Напишите перевод денег между счетами внутри session.begin() и убедитесь, что при исключении посередине всё откатывается.

Частые ошибки: одна сессия на всё время работы приложения, забытый commit(), обращение к связи после закрытия сессии (DetachedInstanceError), joinedload для больших коллекций, который даёт огромный JOIN с повторами строк вместо двух аккуратных запросов.

Где учиться SQLAlchemy и Alembic

Длинных программ только по SQLAlchemy почти нет: её изучают внутри курсов по бэкенду. Смотрите в программе, есть ли миграции, связи, проект с базой и проверка кода.

Тем, кто уже пишет на Python, подойдёт интенсив Слёрма «Python: работа с фреймворками и API» — запись трёхдневного интенсива 2022 года за 7000 ₽. SQLAlchemy и Alembic разбирают в первый день вместе с FastAPI, дальше идут pytest, Sentry и Celery. Проверки заданий нет, а запись сделана до выхода SQLAlchemy 2.0, так что синтаксис стоит сверять с документацией.

Открыть курс «Python: работа с фреймворками и API»

Короткая запись даёт обзор, но не заменяет практики на своём проекте. Начинающим с нуля полезнее программа, где база стоит рядом с фреймворком, Docker и тестами, а проекты проверяет наставник.

Так устроена профессия «Фулстек-разработчик» в Skillbox: после общей части по HTML, JavaScript и React можно выбрать бэкенд на Python — Flask, SQLAlchemy, PostgreSQL, REST API, Docker, затем FastAPI и Django. Один из проектов ветки — серверная часть социальной сети с постами, комментариями и реакциями, где связей много и N+1 проявляется сразу. Обучение длится 15 месяцев.

Открыть курс «Профессия Фулстек-разработчик 3.0»

Как навык влияет на доход

Отдельной зарплаты «за SQLAlchemy» нет: библиотека стоит в требованиях к бэкенд-разработчику на Python рядом с PostgreSQL, FastAPI или Flask. Она открывает задачи по моделям, миграциям и поиску причин медленных страниц.

Ориентиры есть в исследовании зарплат «Хабр Карьеры» за первое полугодие 2026 года. Оно построено на 45 226 зарплатах, которые пользователи анонимно указали в калькуляторе, — это фактические зарплаты, а не предложения в вакансиях. Медиана Python-разработчиков по России — 243 000 ₽ в месяц, на 6 % выше, чем во втором полугодии 2025 года. У бэкенд-разработчиков — 278 000 ₽ в Москве, 251 000 ₽ в Петербурге и 220 000 ₽ в регионах. Разбивки по грейдам нет, и не сказано, до вычета налога это или после, поэтому для оценки зарплаты джуна цифры не годятся.

Сравнить школы поможет рейтинг онлайн-школ с обучением Python. Он широкий, от анализа данных до детских курсов, поэтому в описании программы ищите модуль о базах и проект с ними.

Начните с SQLite, двух связанных таблиц и echo=True. Если через неделю вы уверенно говорите, сколько запросов отправит каждая строка кода, и умеете поправить миграцию руками, курс стоит выбирать ради проекта и проверки кода, а не ради основ.