如何选择后Django时代SQLAlchemy 2.0、Tortoise与Piccolo三大异步ORM？

前言 从 Django 的避风港走向异步星辰大海 ——题记 最近的空闲时间，我折腾了 TechDistill 项目，可以看到近期的公众号推送都是「AI科技日报」，这就是 TechDistill 项目的产物，在每天快速迭代的各类技术新闻中，开发者和技术爱好者往往会面临严重的信息过载。TechDistill 通过聚合多个高质量的技术信息源，并利用 LLM（大型语言模型）进行深度的整理与总结，从而大幅降低用户筛选和阅读的心智负担。 也是在开发新东西的时候，我觉得传统的 Django 方案太重了，FastAPI 的方案虽然简单易用，但我不喜欢这种散装的工具，给人一种混乱、无秩序的感觉，这时候我想起来之前写文章分享过的 LiteStar… 作为一名在 Django 生态浸淫多年的开发者，我一直对 Django 那套全家桶方案心存敬畏：稳定、完善，几乎定义了 Python Web 开发的标准。但随着 Web 迈入异步（Async）时代，尤其是当最近深度体验了 LiteStar 这种追求极致架构与性能的框架后，我意识到是时候在一些 AI 相关的新项目上使用 LiteStar 了，而跳出 Django 生态意味着告别成熟好用的 Django ORM 在现代异步 Web 开发中，ORM（对象关系映射）的选型不再是随框架赠送，而是一场关乎代码整洁度、类型安全和工程上限的深度博弈。 今天，我们就来聊聊目前 Python 异步生态中具有代表性的三个选择：SQLAlchemy 2.0、Tortoise ORM 和 Piccolo。 参赛选手 SQLAlchemy 2.0：数据库界的工业母机 如果说 Python 数据库领域有一座神庙，那供奉的一定是 SQLAlchemy。在经历了漫长的 1.x 时代后，2.0 版本的发布标志着它正式拥抱了强类型标注和原生异步。 SQLAlchemy 在 GitHub 上拥有 11.7k stars，是 python 生态里 ORM 的第一选择。 核心哲学： Data Mapper（数据映射模式）。它将内存中的对象与数据库表结构解耦，给予开发者极高的操作精度。 杀手锏： 无敌的生态与 Alembic 迁移工具。 槽点： 学习曲线最陡峭，配置略显繁琐。 Tortoise ORM：Django 老玩家的温柔乡 如果你习惯了 Django 那套 Model.objects.filter() 的写法，Tortoise 会让你感到前所未有的亲切。 这个项目到现在也发展了很长时间了，在 GitHub 上有 5.5k+ stars，算是成熟的项目了。 核心哲学： Active Record（领域模型模式）。模型本身即包含了数据操作逻辑。 杀手锏： 零学习成本（针对 Django 用户）。 槽点： 灵活性受限，在大规模复杂查询下显得有些吃力。 Piccolo：来自未来的 Prisma 挑战者 这是一个 GitHub Stars 不算多（约 1.9k），但设计极其惊艳的小众精品。 有点像 TypeScript 生态的 Prisma 和 drizzle 那种感觉。 核心哲学： 现代、轻量、类型安全优先。 杀手锏： 极具现代感的链式语法和自带的 Piccolo Admin。 槽点： 社区生态较小，在生产环境遇到 Bug 时可能需要孤军奋战。 直接上代码 为了直观对比，我们设计一个经典的场景：用户（User）与文章（Post）的一对多关联查询。 建模对比 SQLAlchemy 2.0 强制要求类型标注，对 IDE 极其友好： class User(Base): __tablename__ = "user" id: Mapped[int] = mapped_column(primary_key=True) name: Mapped[str] = mapped_column(String(30)) posts: Mapped[list["Post"]] = relationship(back_populates="user") Tortoise 则是熟悉的味道，几乎 1:1 还原 Django 模型写法。 class User(Model): id = fields.IntField(pk=True) name = fields.CharField(max_length=30) Piccolo 简洁到了极致，为异步和类型安全而生，语法非常现代。