-2

是否可以使用 Python 在 Azure sql 数据库中创建表？我正在从 API 中提取内容列表，然后想将它们推送到我的 Azure sql db 中的表中，但找不到有关如何执行此操作的教程或指南。谷歌搜索它让我找到了关于如何从我的数据库中提取数据的教程。谢谢

4

1 回答 1

0

如果您使用的是 Azure SQL 数据库，您可以遵循 @Mohamed Elrashid 为您提供的 Azure 官方教程：用于 Python 的 Azure SQL 数据库库：

例子：

创建 SQL 数据库资源并使用防火墙规则限制对 IP 地址范围的访问。

from azure.common.client_factory import get_client_from_cli_profile
from azure.mgmt.resource import ResourceManagementClient
from azure.mgmt.sql import SqlManagementClient

RESOURCE_GROUP = 'YOUR_RESOURCE_GROUP_NAME'
LOCATION = 'eastus'  # example Azure availability zone, should match resource group
SQL_SERVER = 'yourvirtualsqlserver'
SQL_DB = 'YOUR_SQLDB_NAME'
USERNAME = 'YOUR_USERNAME'
PASSWORD = 'YOUR_PASSWORD'

# create resource client
resource_client = get_client_from_cli_profile(ResourceManagementClient)
# create resource group
resource_client.resource_groups.create_or_update(RESOURCE_GROUP, {'location': LOCATION})

sql_client = get_client_from_cli_profile(SqlManagementClient)

# Create a SQL server
server = sql_client.servers.create_or_update(
    RESOURCE_GROUP,
    SQL_SERVER,
    {
        'location': LOCATION,
        'version': '12.0', # Required for create
        'administrator_login': USERNAME, # Required for create
        'administrator_login_password': PASSWORD # Required for create
    }
)

# Create a SQL database in the Basic tier
database = sql_client.databases.create_or_update(
    RESOURCE_GROUP,
    SQL_SERVER,
    SQL_DB,
    {
        'location': LOCATION,
        'collation': 'SQL_Latin1_General_CP1_CI_AS',
        'create_mode': 'default',
        'requested_service_objective_name': 'Basic'
    }
)

# Open access to this server for IPs
firewall_rule = sql_client.firewall_rules.create_or_update(
    RESOURCE_GROUP,
    SQL_DB,
    "firewall_rule_name_123.123.123.123",
    "123.123.123.123", # Start ip range
    "167.220.0.235"  # End ip range
)

如果您使用的是 Azure Database for MySQL，请参考此 Azure 教程Python + Azure Database for MySQL。

Azure Database for MySQL 和 Python 可以一起用于数据分析——MySQL 作为数据库引擎，Python 作为统计工具。在处理可能超出机器内存的大型数据集时，建议将数据推送到数据库引擎中，您可以在其中以较小的可消化块查询数据。

在本文中，我们将学习如何使用 Python 执行以下任务：

希望这可以帮助。

于 2020-06-24T06:13:00.617 回答