python3连接数据库服务器有哪些方法？，连接池怎么配置？

核心结论先说清楚

python3连接数据库服务器的本质，是安装对应驱动、建立连接对象、执行游标操作、关闭连接这四个步骤的循环。无论你连的是MySQL、PostgreSQL还是SQL Server，底层逻辑完全一致，区别只在于驱动包的安装方式和连接参数的写法，本文用MySQL作为主线演示，其他数据库的差异点单独列出,方便你直接对照使用。

连接前的准备工作：环境与驱动选择

确认Python版本与包管理器

大多数Linux服务器和Windows开发机上已经预装Python3，但版本新旧差异较大，命令行执行python3 --version确认版本号，2026年主流生产环境多半运行在3.8以上，低于3.8的建议升级，包管理器方面，pip和pip3的区分要留意有些系统里pip指向Python2，务必用pip3操作,否则装完驱动后Python3依旧提示找不到模块。

加载中

我把公司的数据库打爆了！

程序员鱼皮

18.3万1.6万254

原视频地址

驱动库不是随便装一个就完事

不同数据库对应不同驱动，选错等于白装，以最常用的几个为例：MySQL对应pymysql或mysql-connector-python，PostgreSQL对应psycopg2，SQL Server对应pyodbc，Oracle对应oracledb或cx_Oracle，行业共识认为，pymysql因为纯Python实现、无需编译依赖，是新手入门和运维脚本场景的首选，安装指令基本一致,以pymysql为例：

pip3 install pymysql

装完后用python3 -c "import pymysql"验证是否成功，没有报错说明环境就绪，这一步卡住的人极多,大概率原因就是pip和pip3混用。

从连接到查询：python3连接mysql数据库步骤全解析

建立连接时参数细节直接决定成败

pymysql.connect()至少需要四个参数：host、port、user、password，外加一个database指定库名,举个实际例子：

import pymysql
conn = pymysql.connect(
    host='192.168.1.100',
    port=3306,
    user='app_user',
    password='YourPassword123',
    database='order_system',
    charset='utf8mb4'
)

连接超时和字符集这两项容易踩坑。charset不写utf8mb4，中文写入和查询大概率出现乱码，数据库服务器地址是云上RDS还是本地物理机，影响的是网络连通性问题云数据库通常需要把当前机器IP加入白名单,这一步经常被忽略。

游标操作的核心步骤与代码结构

连接对象创建后，任务是交给游标去执行的，游标（cursor）本质上是个句柄，负责发送SQL语句并接收结果集,标准代码结构如下：

cursor = conn.cursor()
sql = "SELECT id, username, created_at FROM users WHERE status = %s"
cursor.execute(sql, (1,))
rows = cursor.fetchall()
for row in rows:
    print(row)
cursor.close()
conn.close()

参数占位符用%s而非直接拼接字符串，能有效防止SQL注入，执行INSERT、UPDATE、DELETE这类写操作后，必须调用conn.commit()提交事务，否则数据不会真正落库，这个细节被无数人问到过读操作不需要commit，写操作漏掉commit，数据库里看不到新数据。

数据库连接池：高并发场景下别裸连

每次查询都新建连接、用完关闭，在低流量脚本里没问题，一旦接口被频繁调用，TCP握手和MySQL认证的开销会拖慢响应，连接池的作用是复用已有连接，pymysql本身不带池化功能,但可以通过DBUtils库实现：

from dbutils.pooled_db import PooledDB
import pymysql
pool = PooledDB(
    creator=pymysql,
    maxconnections=10,
    host='192.168.1.100',
    port=3306,
    user='app_user',
    password='YourPassword123',
    database='order_system'
)
conn = pool.connection()

连接池初始化时一次性创建多个连接，业务代码拿到的是池里的空闲连接，据行业观察，多数中小项目把连接池上限设在10到20之间足够应对日常流量,设置过高反而浪费数据库内存。

用ORM框架连接：sqlalchemy配置与使用

sqlalchemy的两种连接模式

直接写SQL适合查询逻辑简单的场景，但业务复杂后，维护字符串SQL的体验会越来越差，sqlalchemy作为Python生态里最出名的ORM框架，提供了两种使用方式：Core模式还是SQLAlchemy式声明式映射，本质上没有太大区别，connect()函数返回的engine对象承载了底层的连接池管理,连接字符串的格式至关重要：

from sqlalchemy import create_engine, text
engine = create_engine(
    "mysql+pymysql://app_user:YourPassword123@192.168.1.100:3306/order_system?charset=utf8mb4"
)
with engine.connect() as conn:
    result = conn.execute(text("SELECT  FROM users LIMIT 10"))
    for row in result:
        print(row)

注意URL中的mysql+pymysql表示方言和驱动。postgresql+psycopg2对应PostgreSQL，mssql+pyodbc对应SQL Server，oracle+oracledb对应Oracle,写错了直接报错。

连接配置文件独立存放的实践建议

硬编码连接信息在代码里是个坏习惯，一旦密码轮换就面临全局搜索替换的麻烦，更合理的做法是把连接信息放进.env文件，用python-dotenv加载：

DB_HOST=192.168.1.100
DB_PORT=3306
DB_USER=app_user
DB_PASSWORD=YourPassword123
DB_NAME=order_system

import os
from dotenv import load_dotenv
load_dotenv()
conn = pymysql.connect(
    host=os.getenv("DB_HOST"),
    port=int(os.getenv("DB_PORT")),
    user=os.getenv("DB_USER"),
    password=os.getenv("DB_PASSWORD"),
    database=os.getenv("DB_NAME")
)

这样配置管理更安全,也是生产环境部署时的常规操作。

连接其他主流数据库的差异对比

python连接sql server数据库方法的实操说明

SQL Server的连接和个人开发环境的地域有关联，很多国内开发者使用的服务器部署在中国大陆机房，连接本地SQL Server时，pyodbc需要额外安装ODBC Driver，光pip装pyodbc还不够，Linux环境下通常要装msodbcsql17或msodbcsql18，官方文档提供了一整套命令行安装步骤，照着执行即可,连接串写法如下：

import pyodbc
conn = pyodbc.connect(
    "DRIVER={ODBC Driver 17 for SQL Server};"
    "SERVER=192.168.1.200,1433;"
    "DATABASE=order_system;"
    "UID=sa;"
    "PWD=YourPassword123;"
)

端口号写在服务器地址后面用逗号分隔，这是SQL Server的习惯，和MySQL用冒号不一样。

常见连接报错的定位与排查思路

网络连通性导致的异常

Can't connect to MySQL server on '192.168.1.100'这类错误出现时，先别急着检查代码，用telnet 192.168.1.100 3306测试端口通不通，不通的话有三种可能：服务器防火墙没放行、云安全组策略未允许、目标IP确实不对，排查顺序全程应该是：先网络层，再认证层,最后代码层。

认证失败类错误

Access denied for user 'app_user'@'localhost'的意思是账号密码没错但来源主机受限，MySQL的权限是绑定host的，开发者在本机用的localhost账号没法在服务器上用,在数据库服务器上执行授权操作：

GRANT ALL PRIVILEGES ON order_system. TO 'app_user'@'%' IDENTIFIED BY 'YourPassword123';
FLUSH PRIVILEGES;

字符集报错梳理

中文插入数据库后显示问号，很大概率是建表时字符集没指定utf8mb4，或者连接字符集设置的编码和表结构不一致，优先在连接参数里加charset=’utf8mb4’，再检查建表语句的DEFAULT CHARSET,两者都修正就能解决问题。

python3连接数据库的安全细节不容忽视

密码管理

代码仓库里出现明文密码意味着所有拿到代码的人都能直连生产库，最常见的解决办法是环境变量，进阶做法是用密钥管理服务，比如AWS Secrets Manager或Vault,起码要做到避免把密码硬编码在Python源码中。

拒绝SQL拼接

用户输入直接拼进SQL字符串，攻击者在参数里注入恶意片段就能改写查询逻辑，pymysql的%s占位符、sqlalchemy的text()绑定参数，都能让SQL语句和数据完全分离,这是最基本的防线。

Q&A：python3连接数据库服务器常见问题解答

连接数据库时提示ModuleNotFoundError: No module named ‘pymysql’，怎么处理

确认安装命令是pip3而非pip，执行pip3 install pymysql后，再用python3进入交互式环境import一遍，如果依旧报错，用python3 -m pip install pymysql强制安装到当前解释器对应的路径下，这种情况多半是系统里存在多个Python版本,pip3装到了另一个解释器目录。

连接池最大连接数设置多少合适

连接池数上限建议基于数据库实例规格和业务调用量动态调整，多数情况下10到20足够支撑中小规模服务的日常请求，过大的设置值会导致数据库端线程数溢出，表现为连接等待时间逐步拉长，数据库CPU居高不下，合理的做法是从低限开始调高,配合监控曲线找到最佳值。

为什么连接数据库后查询很慢

影响查询慢的主要原因包不在连接环节SQL没有走索引、返回全表字段、网络延迟过大都有可能，先在数据库端执行EXPLAIN查看执行计划，确认索引命中情况和扫描行数，第二步检查是否在循环里反复关闭和创建连接，如果是，改为复用连接或改用连接池,这两步能把大量慢查询问题定位出七八成。