pymysql、MySQL-connector-Python与SQLAlchemy：Python操作MySQL库怎么选？

在 Python 生态中操作 MySQL，开发者最常碰到的三个库是 PyMySQL、mysql-connector-python 和 SQLAlchemy。它们并不是简单的平行替代品：前两者是遵循 PEP 249 规范的底层数据库驱动，直接负责网络套接字与协议解析；而 SQLAlchemy 是建立在驱动之上的综合工具集（包含连接池、SQL 表达式语言与 ORM）。选型的核心取决于你的业务规模、对代码抽象层的需求以及部署环境的限制。

一、三者的技术架构层级与角色分工

要做出正确的选型，首先必须明确它们在技术调用链中所处的位置。Python 操作关系型数据库通常分为三层：业务逻辑层、高层抽象层（ORM / 连接池）与底层驱动层（DB-API）。

图 1：Python 访问 MySQL 的分层架构图

从图中可以看出，SQLAlchemy 本身并不实现底层的 MySQL 二进制协议解析，它在建立数据库引擎时必须指定底层的驱动客户端，例如 create_engine("mysql+pymysql://...")。因此，评判三者并不是“三选一”，而是“底层驱动选谁”以及“是否需要引入上层 ORM”的双重选择。

二、核心库特性与基础用法详解

1. PyMySQL：零门槛的纯 Python 驱动

PyMySQL 是社区广泛使用的纯 Python 客户端。它的最大优势在于跨平台无缝安装：不需要目标机器上安装 GCC、C 运行库或 MySQL Client 头文件（如 mysql_config）。在 Docker Alpine 镜像、AWS Lambda 或没有编译环境的轻量容器中，pip install pymysql 几乎永远一次成功。

import pymysql

# 建立数据库连接（注意字符集使用 utf8mb4）
connection = pymysql.connect(
    host="127.0.0.1",
    user="app_user",
    password="secure_password",
    database="shop_db",
    charset="utf8mb4",
    cursorclass=pymysql.cursors.DictCursor
)

try:
    with connection.cursor() as cursor:
        # 使用参数化查询，杜绝 SQL 注入
        sql = "SELECT id, product_name, price FROM products WHERE category = %s AND status = %s"
        cursor.execute(sql, ("electronics", 1))
        results = cursor.fetchall()
        for row in results:
            print(f"商品: {row['product_name']}, 价格: {row['price']}")
finally:
    connection.close()

2. mysql-connector-python：Oracle 官方标准驱动

mysql-connector-python 是 MySQL 官方团队开发并维护的驱动。该驱动由纯 Python 编写，但同时内置了可选的 C 扩展优化模块。官方维护带来的核心价值在于与 MySQL 新特性的第一时间对齐。例如对 MySQL 8.0 的 caching_sha2_password 认证插件、X DevAPI 文档存储接口等，官方库的兼容度和稳定性更高。

import mysql.connector

# 官方驱动支持字典式参数连接
config = {
    "host": "127.0.0.1",
    "user": "app_user",
    "password": "secure_password",
    "database": "shop_db",
    "charset": "utf8mb4"
}

conn = mysql.connector.connect(**config)
cursor = conn.cursor(dictionary=True)

try:
    query = "SELECT id, product_name, price FROM products WHERE id = %s"
    cursor.execute(query, (1001,))
    record = cursor.fetchone()
    print("查询结果:", record)
finally:
    cursor.close()
    conn.close()

3. SQLAlchemy：企业级数据访问框架

当项目包含数十张数据表，或者多处存在关联查询、事务回滚与连接并发时，直接使用底层驱动编写裸 SQL 会带来大量的样板代码和维护成本。SQLAlchemy 提供了生产环境必须的两大支柱：自动连接池管理（Pool）与对象模型抽象（ORM）。

from sqlalchemy import create_engine, Column, Integer, String, Numeric
from sqlalchemy.orm import declarative_base, sessionmaker

# 数据库连接 URL 指定驱动为 pymysql
DATABASE_URL = "mysql+pymysql://app_user:secure_password@127.0.0.1:3306/shop_db?charset=utf8mb4"

# 初始化引擎与连接池配置
engine = create_engine(
    DATABASE_URL,
    pool_size=10,         # 连接池保持的连接数
    max_overflow=20,      # 超出连接池后的最大临时连接数
    pool_recycle=3600     # 避免 MySQL wait_timeout 断连
)

SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
Base = declarative_base()

# 定义数据模型
class Product(Base):
    __tablename__ = "products"
    id = Column(Integer, primary_key=True, index=True)
    product_name = Column(String(100), nullable=False)
    price = Column(Numeric(10, 2), nullable=False)

# 使用 Session 进行数据查询
session = SessionLocal()
try:
    items = session.query(Product).filter(Product.price > 100).all()
    for item in items:
        print(item.product_name, item.price)
finally:
    session.close()

三、工程开发标准落地步骤

在实际工程中，从立项选型到编写第一行数据库交互代码，建议遵循以下四个关键步骤：

图 2：从技术选型到工程落地的四个标准化阶段

四、多维度综合对比

为了帮助团队根据项目实际约束做决策，我们将三个库在关键工程指标上的表现整理如下：

图 3：三大库的核心优劣势与定位对比

五、场景化选型决策树

在面对具体的技术任务时，可通过以下决策路径在 30 秒内确定技术方案：

图 4：Python 操作 MySQL 的快速选型决策树

六、生产环境关键注意事项

1. 严禁字符串拼接 SQL：无论是使用 PyMySQL 还是 mysql-connector-python，动态参数必须使用 %s 占位符并通过参数元组传递，由驱动负责转义。切勿使用 f-string 或 % 操作符自行拼装 SQL，否则极易导致 SQL 注入漏洞。
2. 必须设置正确的字符集：创建连接时务必显式传入 charset="utf8mb4"。MySQL 历史遗留的 utf8 最多只支持 3 字节，遇到 Emoji 或生僻汉字会直接报错。
3. 配置连接回收（pool_recycle）：MySQL 服务端默认存在 wait_timeout=28800（8 小时）机制，超过该时长的空闲连接会被服务端主动切断。若使用 SQLAlchemy，务必将 pool_recycle 设定为小于服务端超时的数值（例如 3600 秒），防止应用在长连接空闲后抛出 MySQL server has gone away。
4. 理解 SQLAlchemy 的底层驱动组合：SQLAlchemy 并不会自带 MySQL 协议通信代码，项目依赖文件（如 pyproject.toml 或 requirements.txt）中既要声明 SQLAlchemy，也必须同时声明 pymysql 或 mysqlclient。