我正在评估并考虑将CherryPy用于一个项目，该项目基本上是一个从客户端(浏览器)到后端与Python web服务对话的JavaScript前端。所以，我真的需要一些快速和轻量级的在后端，我可以使用Python实现，然后通过ORM (JSON到浏览器)与PostgreSQL DB对话。
我也在看Django，我喜欢它，因为它的ORM是内置的。然而，我认为Django可能比我真正需要的多一点(即比我真正需要的功能多==更慢?)
谁有使用不同的Python ORM解决方案的经验，可以比较和对比它们的特性和功能、速度、效率等?
我会检查SQLAlchemy
它真的很容易使用，你所使用的模型一点也不差。Django使用SQLAlchemy作为ORM，但是单独使用它可以让你充分利用它的功能。
下面是一个关于创建和选择orm对象的小例子
>>> ed_user = User('ed', 'Ed Jones', 'edspassword')
>>> session.add(ed_user)
>>> our_user = session.query(User).filter_by(name='ed').first()
>>> our_user
<User('ed','Ed Jones', 'edspassword')>
SQLAlchemy功能更全，功能更强大(使用DataMapper模式)。Django ORM的语法更简洁，也更容易编写(ActiveRecord模式)。我不知道表现上的差异。
SQLAlchemy还有一个声明性层，隐藏了一些复杂性，并提供了一个更类似于Django ORM的activerecord风格的语法。
我不担心Django“太重”。它已经充分解耦，如果您愿意，可以使用ORM，而不必导入其余部分。
也就是说，如果我已经在web层使用CherryPy，并且只是需要一个ORM，我可能会选择SQLAlchemy。
我通常使用SQLAlchemy。它非常强大，可能是最成熟的python ORM。
如果你打算使用CherryPy，你也可以看看Robert Brewer(目前的CherryPy项目负责人)的dejavu。我个人没有用过，但我知道有些人喜欢它。
SQLObject比SQLAlchemy更容易使用ORM，但它没有SQLAlchemy那么强大。
就我个人而言，我不会使用Django ORM，除非我打算用Django编写整个项目，但那只是我。
到目前为止，我们将Elixir与SQLAlchemy一起使用。Elixir在SQLAlchemy上添加了一个层，使其看起来更像“ActiveRecord模式”的计数器部分。
Storm拥有最简单的API:
from storm.locals import *
class Foo:
__storm_table__ = 'foos'
id = Int(primary=True)
class Thing:
__storm_table__ = 'things'
id = Int(primary=True)
name = Unicode()
description = Unicode()
foo_id = Int()
foo = Reference(foo_id, Foo.id)
db = create_database('sqlite:')
store = Store(db)
foo = Foo()
store.add(foo)
thing = Thing()
thing.foo = foo
store.add(thing)
store.commit()
当你需要时，它可以轻松地进入原始SQL:
store.execute('UPDATE bars SET bar_name=? WHERE bar_id like ?', [])
store.commit()
SQLAlchemy的声明性扩展在0.5中将成为标准，它提供了一个非常类似于Django或Storm的all in one接口。它还与使用datamapper样式配置的类/表无缝集成:
Base = declarative_base()
class Foo(Base):
__tablename__ = 'foos'
id = Column(Integer, primary_key=True)
class Thing(Base):
__tablename__ = 'things'
id = Column(Integer, primary_key=True)
name = Column(Unicode)
description = Column(Unicode)
foo_id = Column(Integer, ForeignKey('foos.id'))
foo = relation(Foo)
engine = create_engine('sqlite://')
Base.metadata.create_all(engine) # issues DDL to create tables
session = sessionmaker(bind=engine)()
foo = Foo()
session.add(foo)
thing = Thing(name='thing1', description='some thing')
thing.foo = foo # also adds Thing to session
session.commit()
我在一个小项目中使用了Storm + SQLite，在添加多处理之前，我对它非常满意。试图从多个进程使用数据库会导致“数据库被锁定”异常。我切换到SQLAlchemy，同样的代码工作起来没有任何问题。
这似乎是Python中高级数据库交互的标准参考点: http://wiki.python.org/moin/HigherLevelDatabaseProgramming
由此看来，Dejavu在Python中相当抽象地实现了Martin Fowler的DataMapper模式。
如果你正在寻找轻量级的，并且已经熟悉django风格的声明式模型，请查看pewee: https://github.com/coleifer/peewee
例子:
import datetime
from peewee import *
class Blog(Model):
name = CharField()
class Entry(Model):
blog = ForeignKeyField(Blog)
title = CharField()
body = TextField()
pub_date = DateTimeField(default=datetime.datetime.now)
# query it like django
Entry.filter(blog__name='Some great blog')
# or programmatically for finer-grained control
Entry.select().join(Blog).where(Blog.name == 'Some awesome blog')
查看文档以获得更多示例。
