From b33d61c774cc14c9ec38ba08d6b5000552796391 Mon Sep 17 00:00:00 2001
From: Administrator <1415243231@qq.com>
Date: Wed, 6 Aug 2025 18:01:26 +0800
Subject: [PATCH] =?UTF-8?q?=E6=95=B0=E6=8D=AE=E5=BA=93=E6=93=8D=E4=BD=9C?=
 =?UTF-8?q?=E8=AF=B4=E6=98=8E?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 doc/数据库操作.md | 398 ++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 398 insertions(+)
 create mode 100644 doc/数据库操作.md

diff --git a/doc/数据库操作.md b/doc/数据库操作.md
new file mode 100644
index 0000000..2e1da29
--- /dev/null
+++ b/doc/数据库操作.md
@@ -0,0 +1,398 @@
+目录
+1.
+类概述
+2.
+初始化配置
+3.
+基础CRUD操作
+4.
+表结构管理
+5.
+事务管理
+6.
+高级功能
+7.
+注意事项
+8.
+示例代码
+9.
+性能优化
+10.
+错误处理
+类概述
+MySQLAgent 是一个全平台兼容的MySQL数据库操作类，支持Windows/macOS/Linux系统，提供连接池管理、数据操作和事务处理等功能。
+
+​核心特性：​​
+
+•
+线程安全的连接池管理
+•
+自动适配各平台配置
+•
+支持DataFrame直接交互
+•
+完善的事务处理机制
+•
+详细的日志记录
+初始化配置
+基本配置参数
+python
+下载
+复制
+运行
+{
+'host': 'localhost',  # 数据库主机
+'port': 3306,  # 端口
+'user': 'root',  # 用户名
+'password': '123123',  # 密码
+'database': 'test_db',  # 数据库名
+'charset': 'utf8mb4',  # 字符集(默认utf8mb4)
+'max_connections': 5,  # 最大连接数(默认5)
+'connect_timeout': 10,  # 连接超时(秒)
+'read_timeout': 30,  # 读取超时(秒)
+'write_timeout': 30,  # 写入超时(秒)
+'ssl': None  # SSL配置
+}
+获取平台默认配置
+python
+下载
+复制
+运行
+from mysql_agent import get_default_config
+
+# 自动根据当前操作系统返回优化配置
+config = get_default_config()
+
+# 可覆盖默认值
+config.update({
+'host': '192.168.1.100',
+'database': 'production_db'
+})
+
+db = MySQLAgent(config)
+各平台特殊配置
+平台	默认超时	SSL配置	批处理优化
+Windows	10/30/30秒	禁用	小批次(100-500)
+macOS	15/60/60秒	自动检测证书	中批次(500-1000)
+Linux	15/60/60秒	禁用	大批次(1000+)
+基础CRUD操作
+查询数据
+python
+下载
+复制
+运行
+# 返回DataFrame
+df = db.query_to_df(
+"SELECT * FROM users WHERE age > %s",
+params=(18,),  # 参数可以是元组或字典
+parse_dates=['create_time']  # 自动解析日期字段
+)
+
+# 直接执行SQL返回原始结果
+result = db.execute_sql(
+"SELECT name, email FROM users WHERE status = %s",
+params={'status': 1},  # 使用字典参数
+fetch=True  # 设为True返回查询结果
+)
+插入数据
+python
+下载
+复制
+运行
+# 单条插入
+data = {'name': '张三', 'age': 25}
+db.execute_sql(
+"INSERT INTO users (name, age) VALUES (%(name)s, %(age)s)",
+params=data
+)
+
+# 批量插入DataFrame
+import pandas as pd
+new_users = pd.DataFrame({
+'name': ['李四', '王五'],
+'age': [28, 32]
+})
+inserted_rows = db.insert_from_df(
+'users',
+new_users,
+chunk_size=500  # 分批插入大小
+)
+更新数据
+python
+下载
+复制
+运行
+# 条件更新
+db.execute_sql(
+"UPDATE users SET status = %s WHERE last_login < %s",
+params=(0, '2023-01-01')
+)
+
+# 使用DataFrame更新
+update_df = pd.DataFrame({
+'id': [1, 2],
+'status': [1, 0]
+})
+affected_rows = db.update_from_df(
+'users',
+update_df,
+key_columns='id'  # 用于匹配记录的关键列
+)
+删除数据
+python
+下载
+复制
+运行
+# 条件删除
+db.execute_sql(
+"DELETE FROM logs WHERE created_at < %s",
+params=('2022-01-01',)
+)
+表结构管理
+创建表
+python
+下载
+复制
+运行
+# 根据DataFrame自动创建表
+sample_data = pd.DataFrame({
+'id': pd.Series(dtype='int'),
+'name': pd.Series(dtype='str'),
+'created_at': pd.Series(dtype='datetime64[ns]')
+})
+db.create_table_from_df(
+'new_table',
+sample_data,
+primary_key='id'  # 指定主键
+)
+
+# 手动创建表
+db.execute_sql("""
+CREATE TABLE IF NOT EXISTS products (
+id INT AUTO_INCREMENT PRIMARY KEY,
+name VARCHAR(100) NOT NULL,
+price DECIMAL(10,2),
+stock INT DEFAULT 0
+)
+""")
+表操作
+python
+下载
+复制
+运行
+# 检查表是否存在
+if db.table_exists('users'):
+print("用户表已存在")
+
+# 删除表
+db.drop_table('temp_table')
+
+# 获取表结构
+schema = db._get_table_info('products')
+事务管理
+基本事务
+python
+下载
+复制
+运行
+conn = db.begin_transaction()
+try:
+cursor = conn.cursor()
+cursor.execute("UPDATE accounts SET balance = balance - 100 WHERE id = 1")
+cursor.execute("UPDATE accounts SET balance = balance + 100 WHERE id = 2")
+db.commit_transaction(conn)
+except Exception as e:
+db.rollback_transaction(conn)
+raise
+上下文管理器
+python
+下载
+复制
+运行
+with db.begin_transaction() as conn:
+conn.cursor().execute("INSERT INTO logs (message) VALUES ('Transaction start')")
+# 其他操作...
+# 无需显式commit/rollback
+高级功能
+大数据量处理
+python
+下载
+复制
+运行
+# 分块读取大数据
+chunk_size = 10000
+for chunk in pd.read_sql_query(
+"SELECT * FROM large_table",
+con=db.get_connection(),
+chunksize=chunk_size
+):
+process_chunk(chunk)
+
+# 批量插入优化
+large_df = generate_large_data()  # 假设返回10万行数据
+db.insert_from_df(
+'target_table',
+large_df,
+chunk_size=2000  # 根据平台自动调整
+)
+并发查询
+python
+下载
+复制
+运行
+from concurrent.futures import ThreadPoolExecutor
+
+def fetch_user(user_id):
+return db.query_to_df(
+"SELECT * FROM users WHERE id = %s",
+params=(user_id,)
+)
+
+with ThreadPoolExecutor(max_workers=10) as executor:
+results = list(executor.map(fetch_user, range(1, 1001)))
+注意事项
+1.
+​连接管理​
+
+•
+获取连接后必须确保关闭
+•
+推荐使用with语句或try/finally
+2.
+​事务隔离​
+
+•
+长时间事务会占用连接池资源
+•
+复杂事务考虑使用存储过程
+3.
+​性能要点​
+
+•
+Windows平台减少批次大小
+•
+macOS注意SSL证书路径
+•
+Linux可增大连接池大小
+4.
+​类型映射​
+
+Pandas类型	MySQL类型
+int64	BIGINT
+float64	DOUBLE
+datetime64	DATETIME
+object	TEXT
+示例代码
+完整业务场景
+python
+下载
+复制
+运行
+class OrderSystem:
+def __init__(self):
+self.db = MySQLAgent(get_default_config())
+
+    def create_order(self, user_id, items):
+        """创建订单（完整事务示例）"""
+        conn = self.db.begin_transaction()
+        try:
+            # 1. 插入订单主表
+            cursor = conn.cursor()
+            cursor.execute(
+                "INSERT INTO orders (user_id, total) VALUES (%s, %s)",
+                (user_id, sum(item['price']*item['quantity'] for item in items))
+            )
+            order_id = cursor.lastrowid
+            
+            # 2. 插入订单明细
+            order_items = pd.DataFrame([{
+                'order_id': order_id,
+                'product_id': item['product_id'],
+                'quantity': item['quantity'],
+                'price': item['price']
+            } for item in items])
+            
+            self.db.insert_from_df('order_items', order_items, conn=conn)
+            
+            # 3. 更新库存
+            for item in items:
+                cursor.execute(
+                    "UPDATE products SET stock = stock - %s WHERE id = %s",
+                    (item['quantity'], item['product_id'])
+                )
+            
+            self.db.commit_transaction(conn)
+            return order_id
+        except Exception as e:
+            self.db.rollback_transaction(conn)
+            raise
+性能优化
+1.
+​连接池调优​
+
+python
+下载
+复制
+运行
+# 生产环境推荐配置
+config = {
+**get_default_config(),
+'max_connections': 20,  # 根据服务器配置调整
+'maxcached': 15,        # 最大空闲连接
+'ping': 2               # 连接检查级别
+}
+2.
+​查询优化​
+
+•
+使用EXPLAIN分析慢查询
+•
+添加适当索引
+•
+避免SELECT *
+3.
+​批处理建议​
+
+操作类型	Windows	macOS/Linux
+插入批次	100-500	1000-5000
+更新批次	50-200	500-2000
+错误处理
+常见错误码处理
+python
+下载
+复制
+运行
+try:
+db.execute_sql("INSERT INTO...")
+except pymysql.err.IntegrityError as e:
+# 唯一键冲突
+if e.args[0] == 1062:
+handle_duplicate_entry()
+except pymysql.err.OperationalError as e:
+# 连接超时
+if "timed out" in str(e):
+retry_connection()
+except Exception as e:
+logger.error(f"Database error: {str(e)}")
+raise
+连接重试机制
+python
+下载
+复制
+运行
+def safe_query(sql, params=None, max_retries=3):
+for attempt in range(max_retries):
+try:
+return db.query_to_df(sql, params)
+except (pymysql.err.OperationalError, pymysql.err.InterfaceError) as e:
+if attempt == max_retries - 1:
+raise
+time.sleep(2 ** attempt)  # 指数退避
+​提示​：本文档对应代码版本1.2.0，最后更新于2023-08-06。使用前请确保您的环境满足：
+
+•
+Python ≥ 3.8
+•
+PyMySQL ≥ 1.0.2
+•
+pandas ≥ 1.3.0