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。 模型定义直接继承 Table class User(Table): name = Varchar(length=30) CRUD 操作对比 SQLAlchemy (显式 Session 模式): # Create async with async_session() as session: session.add(User(name="Gemini")) await session.commit() # Read users = (await session.execute(select(User).where(User.name == "Gemini"))).scalars().all() Tortoise (链式 API): 如果你怀念 Django 的语法，Tortoise 就是为你准备的。模型类自带增删改查方法。 # Create await User.create(name="Gemini") # Read users = await User.filter(name="Gemini").all() Piccolo (SQL 风格链式): 链式调用，语法接近原生 SQL。 # Create await User(name="Gemini").save() # Read users = await User.select().where(User.name == "Gemini").run() Migration 能力 一个好的 ORM 离不开优秀的 Migration 能力，这几个 ORM 都有不错的数据库迁移功能，详细对比看以下表格。 特性 SQLAlchemy (Alembic) Tortoise (Aerich) Piccolo (Built-in) 成熟度 行业天花板。极其稳定，处理复杂场景。 较好，基于 Alembic 思想实现。 优秀，原生集成。 灵活性 支持手动修改迁移脚本，逻辑清晰。 相对固定，复杂修改有时会报错。 自动化程度高，甚至带图形化。 多库支持 完美支持多数据库、多 Schema。 较弱。 一般。 核心逻辑 alembic revision --autogenerate aerich migrate piccolo migrations new PS：据说 Alembic 是你可以永远信赖的工具，虽然初次配置略显复杂，但它能处理任何怪异的数据库变更需求。 如何选项？ 为了帮大家快速拍板，我整理了这份综合评估表： 维度 SQLAlchemy 2.0 Tortoise ORM Piccolo 行业地位 绝对统治级 异步界主流 后起之秀 迁移工具 Alembic (工业级稳健) Aerich (够用) 原生内置 (体验极佳) 管理后台 SQLAdmin (需第三方) 社区插件 自带 (颜值极高) 类型检查 ⭐⭐⭐⭐⭐ ⭐⭐⭐ ⭐⭐⭐⭐⭐ 项目上限 处理复杂 SQL 的天花板 适合中小型业务 适合独立开发者 其他关键考量因素 类型提示 (Type Hinting) SQLAlchemy 2.0: 通过 Mapped 类型，IDE 能实现真正的点选（Autocompletion），对开发大型项目极其友好。 Piccolo: 原生类型安全，不需要额外的 Mypy 插件。 Tortoise: 虽然支持，但在某些动态查询下类型推导会断掉。 性能与速度 SQLAlchemy: 经过 20 年优化，在大量数据处理时性能非常强劲。 Piccolo: 使用了极其轻量的底层实现，在简单的增删改查上通常比 SQLAlchemy 更快。 Tortoise: 因为模仿 Django 做了很多层封装，性能相对是三者中最慢的（虽然在普通应用中感知不强）。 生态系统 SQLAlchemy: 无敌。几乎所有第三方工具（Admin、加密、地理空间）都会优先支持它。 Piccolo: 有自己的 Piccolo Admin，但其他生态插件较少。 避坑指南 关于 Stars 数的迷思： 千万不要迷信 Stars。Piccolo 虽好，但 1.9k Stars 意味着它的生态宽度不足。如果你在做一个涉及千万级资金、或者需要复杂数据库迁移的项目，请务必选择 SQLAlchemy。它的 11.7k Stars 换来的是你在深夜修 Bug 时能搜索到的成千上万条 StackOverflow 答案。 关于 Migration（迁移）的执念： 对于 web 项目来说，迁移工具的稳定性高于一切。Alembic 虽然配置稍微麻烦点，但它处理修改字段类型、多库同步等复杂场景的能力，是其他原生工具难以企及的。 关于 Admin 的诱惑： Piccolo Admin 真的很帅，像极了 TypeScript 生态里和 prisma、drizzle 类似的现代工具。但别忘了，SQLAlchemy 的丰富生态，也有类似的 admin 界面，而且 admin 界面只是本地开发时调试使用，真正交付还是需要开发真正的管理后台。 小结 对于我最近想做的一些新项目，我打算试试 LiteStar + SQLAlchemy 2.0 + Alembic 的搭配，到时会继续分享开发体验。 既然我们已经离开了 Django 的舒适区，就不要再找一个 Django ORM 平替。拥抱 SQLAlchemy 的 Data Mapper 模式，虽然前期辛苦，但它带来的代码解耦和对复杂业务的掌控力，显得一切都值得了。 另外我很看好 Piccolo，不过现在生态似乎不太成熟，再观望一下。