ORM，全称是Object-relational mapping，即对象关系映射，借助ORM可以把类和数据库表(schema)对应起来。

我想大家手头上都不会少了ORM这个工具，借助ORM，我们可以以面向对象的方式来写SQL，例如：

session.query(User).where(cls.id == 1).order_by(id.desc()).first()

就相当于

SELECT * FROM user WHERE id == 1 ORDER BY id DESC LIMIT 1

对于SQL生手来说，ORM的方式更容易让人理解。

使用ORM的原因莫过于这么几个：

• 跨数据库，写一遍ORM查询便可以在多个数据库间切换
• 易于维护，毕竟ORM的查询语句看起来更像是自然语言
• 一般ORM都会自动帮我们做好防注入处理，只要按照ORM规定的方式写，我们就不用自己操心注入的事情
• 可以动态的更新查询条件，即根据不同业务场景 if...elif...else... 追加查询条件，如果用SQL写，就比较麻烦
• 可以以类的方式写数据库，那么也就意味着，可以用继承或者mixin的方式，把所有表中共有的属性，放在基类里

但是ORM也有很大的弊端，那就是：

• 跨数据库对于大多数系统来说都是伪需求，选定一个数据库之后，你真的会换一个数据库吗？
• 跨数据库也没有能够完美的跨数据库，例如SQLAlchemy中，对于 UPDATE/DELETE/INSERT 语句，只有 MS SQL Server 支持 with_hint 操作，而 MySQL/PG/SQLite 都只能使用 prefix_with，但是如果你想要对 UPDATE/DELETE 使用数据库索引提示，则是无法实现的，只能 裸写SQL。也就是说，ORM虽然号称跨数据库，其实效果并不好，很多数据库的细节并不能覆盖。
• 生成的SQL不够明确，而且通常比较长。例如上面的查询，ORM会生成 SELECT user.id, user.name, user.age ... 等，把 user 的所有属性 都查出来，当然，我们手写的 SELECT * 也差不多，这都属于浪费行为，对于一个小型数据库系统，这当然是没有问题，但是数据量一旦达到 亿行的级别，浪费就比较大了。
• 高级一些的SQL或者对性能要求较高的SQL无法准确表述
• 写久了ORM，SQL忘的又快又光，这可以算得上是一个使用ORM的弊端了

所以其实我们需要的是一个能轻松防注入，能自行映射类和数据库表，能轻松写SQL的工具，Python中，SQLAlchemy仍然是首选，Golang中 我倒是认为sqlx能胜任。

一个ORM的错误用法

我经常在ORM中这样写：

class BaseMixin:
    id = Column(Integer, primary=True)
    created_at = Column(Datetime, index=True)
    updated_at = Column(Datetime, index=True)
    deleted_at = Column(Datetime, index=True)

Go中也是类似的。对于数据量小的系统来说，上面的写法无所谓，但是对于数据量大的系统来说，每一个地方都可能是性能瓶颈。上面的写法 有这么几个缺点：

• created_at 不应该加索引，对于没有水平分表的系统来说，id是连续自增的(即便分了，也是自增的，不过这个时候就要根据具体场景 来判断是否可以这么做了)，因此不需要多加 created_at 这个索引
• deleted_at 的类型不应该是时间，且不应该单独加索引，deleted_at 一般是用来做软删除，记录删除时间是没有必要的，因为有 updated_at，而将其改为 Booleanl 类型之后，索引更是没有必要，因为区分度特别低，不是True就是False。正确的方式应该是根据 查询条件，结合前置条件做联合索引。
• 不应该使用 Mixin 或者继承来写基类，不过前两点改造完成之后，倒也的确能够适用于99%的系统。

参考资料：

• 维基百科 ORM 词条