Python读取MySQL数据：pymysql与MySQL-connector怎么选？

Alice

发布时间：2026-11-15 | 4人浏览过

原创

全面对比 Python 读取 MySQL 数据的主流驱动：pymysql 与 mysql-connector-python。深入分析纯 Python 实现、官方支持、连接池、性能及生态契合度，提供清晰的决策指南与实战代码。

使用 Python 读取 MySQL 数据库时，最主流的两个驱动分别是社区维护的 PyMySQL 和 Oracle 官方维护的 mysql-connector-python。核心结论十分明确：如果项目使用 SQLAlchemy、Pandas 或微服务框架（如 FastAPI、Flask），追求轻量安装、零 C 编译依赖以及未来可能的异步改造（如 aiomysql），首选 PyMySQL；如果项目属于企业合规强要求“必须使用原厂官方驱动”、或需要轻量级脚本在不引入复杂 ORM 的前提下直接利用驱动自带的连接池，选择 mysql-connector-python。

一、PEP 249 与 Python 的 MySQL 驱动体系

在深入代码细节之前，有必要理清 Python 与 MySQL 通信的基础层次。Python 官方通过 PEP 249（Python Database API Specification v2.0）制定了一套通用的数据库操作接口。无论是 PyMySQL 还是 mysql-connector-python，它们对外暴露的顶层接口高度一致：都具备 connect() 函数、Connection 对象、Cursor 游标对象，以及 execute()、fetchall() 等标准方法。

然而，两个库在底层的实现思路与生态定位上存在明显分工。PyMySQL 是纯 Python 编写的开源驱动，与 Python 现代 Web 生态及数据科学工具链配合极其紧密；mysql-connector-python 是 MySQL 官方团队维护的驱动套件，原生集成了更多 MySQL 专有特性与官方安全标准。

Python读取MySQL数据：pymysql与MySQL-connector怎么选？ — 图 1：Python 连接 MySQL 的架构层次与驱动生态分工

二、PyMySQL：社区标准与轻量化首选

PyMySQL 最显著的特征是100% 纯 Python 实现。在早期的 Python 生态中，MySQLdb（底层依赖 C 语言的 mysqlclient）曾是主流，但在 Windows、轻量级 Alpine Docker 镜像或缺少 GCC 开发包的服务器上，C 扩展的编译安装极易报错。PyMySQL 应运而生，彻底摆脱了外部系统库依赖。

1. 安装与基础查询

安装命令简洁直接：

pip install pymysql cryptography

重要提示：若 MySQL 8.0+ 启用了默认的 caching_sha2_password 身份验证插件，PyMySQL 需要借助 cryptography 库进行密码加密，因此务必一并安装。

以下是使用 PyMySQL 读取单条与多条数据的经典模板。默认情况下，游标返回元组（tuple），但在实际业务中，我们通常偏好字典形式（dict），方便按字段名索引：

import pymysql
from pymysql.cursors import DictCursor

connection = pymysql.connect(
    host='127.0.0.1',
    port=3306,
    user='root',
    password='your_password',
    database='analytics_db',
    charset='utf8mb4',
    cursorclass=DictCursor  # 返回字典格式数据
)

try:
    with connection.cursor() as cursor:
        # 参数化查询，防止 SQL 注入
        sql = "SELECT id, username, email, created_at FROM users WHERE status = %s LIMIT 10"
        cursor.execute(sql, (1,))
        
        # 获取所有读取结果
        rows = cursor.fetchall()
        for row in rows:
            print(f"用户ID: {row['id']}, 用户名: {row['username']}")
finally:
    connection.close()

2. 与 Pandas 的天然契合

在数据处理与科学计算中，Pandas 的 read_sql 几乎是每个工程师的标准动作。配合 SQLAlchemy 与 PyMySQL 连接串，能够以极高的人体工学体验完成数据载入：

import pandas as pd
from sqlalchemy import create_engine

# 使用 pymysql 方言
engine = create_engine("mysql+pymysql://root:your_password@127.0.0.1:3306/analytics_db")
df = pd.read_sql("SELECT id, username, score FROM users WHERE score > %s", engine, params=(60,))
print(df.head())

三、mysql-connector-python：官方血统与内置连接池

mysql-connector-python 是 Oracle 官方维护的标准驱动。对于严格遵守企业采购合规、必须采用原厂支持库的场景，它是唯一的官方答案。

1. 安装与读取示例

pip install mysql-connector-python

官方驱动在使用上同样符合 PEP 249 规范，若需要字典格式，通过参数 dictionary=True 即可启用：

import mysql.connector

conn = mysql.connector.connect(
    host='127.0.0.1',
    port=3306,
    user='root',
    password='your_password',
    database='analytics_db',
    charset='utf8mb4'
)

try:
    cursor = conn.cursor(dictionary=True)
    query = "SELECT id, username, email FROM users WHERE status = %s LIMIT 10"
    cursor.execute(query, (1,))
    
    results = cursor.fetchall()
    for item in results:
        print(f"用户: {item['username']}, 邮箱: {item['email']}")
finally:
    cursor.close()
    conn.close()

2. 杀手级功能：原生内置连接池

PyMySQL 本身不包含连接池模块。如果编写的是不引入大型 ORM（如 SQLAlchemy）的独立脚本或服务，使用 PyMySQL 就必须额外引入 DBUtils 等第三方连接池。

而 mysql-connector-python 在 mysql.connector.pooling 中自带了完善的连接池机制，即开即用：

from mysql.connector import pooling

db_pool = pooling.MySQLConnectionPool(
    pool_name="mypool",
    pool_size=5,
    host='127.0.0.1',
    port=3306,
    user='root',
    password='your_password',
    database='analytics_db'
)

# 从连接池中借出连接
connection = db_pool.get_connection()
try:
    cursor = connection.cursor(dictionary=True)
    cursor.execute("SELECT COUNT(*) AS total FROM users")
    print(cursor.fetchone())
finally:
    cursor.close()
    connection.close()  # 此处 close() 会自动将连接归还至池中

四、数据读取的生命周期与高频避坑点

无论选型哪一个驱动，执行数据读取时都遵循标准生命周期：建立连接、分配游标、执行查询、分批或全量提取、安全释放。在处理千万级或高频查询时，有两点至关重要：

坚决避免全量 fetchall() 引发 OOM：当数据表体量较大（如几十万行以上）时，fetchall() 会将所有行载入 Python 进程内存，极易导致内存撑爆。应改用 fetchmany(size) 分批获取，或使用流式服务端游标（如 PyMySQL 的 SSCursor / SSDictCursor）。
禁止字符串拼接 SQL：SQL 注入是读取阶段常见的严重隐患，务必使用 cursor.execute(sql, params) 的占位符方式让驱动处理转义。

五、核心维度横向评测

为了全面评估选型影响，我们将两者在工程实际中最关心的五个维度进行系统对比：

性能表现的真实差距

在纯数据读取吞吐方面，纯 Python 模式下的 PyMySQL 与 mysql-connector-python 差异极小（读取瓶颈通常在网络 I/O 与 MySQL 端的索引命中率上，而非驱动本身的 CPU 开销）。如果开启了 mysql-connector-python 的 C 扩展模式（通过安装包含 C 扩展的二进制分发包），解析千万级大数据包时会有约 15%~25% 的 CPU 反序列化提速。然而，对于极度追求极限吞吐的高性能服务，业界通常会直接选择 mysqlclient（完全基于 C 的底层库）或异步池化方案，因此纯驱动之间的微弱性能差异很少成为选型的主导因素。

六、选型决策指南与落地建议

为了帮助你在具体项目中迅速做出决策，以下 4 步决策树给出了条理分明的判断路径：

总结

在实际技术选型中，无需过分纠结微弱的语法差异。PyMySQL 凭借纯 Python、安装无障碍和广泛的社区生态，成为了现代 Web 开发与数据分析的主力军；而 mysql-connector-python 则在官方合规性与原生连接池支持上提供了稳健的保障。根据项目的基础设施环境与架构依赖进行权衡，即可做出最适合工程长效维护的选择。