sqltoy-orm(https://github.com/chenrenfei/sagacity-sqltoy)
开发的起因是因为一次非常偶然的机会发现了数据库查询的奥秘,因为这个发现在我负责的项目中,几乎所有人都不必太care数据库交互。
很多时候大家发现项目卡慢的时候总是考虑用更强大的机器、更多的集群规模来解决问题,但忽视了很多问题都是因为数据库交互性能导致的。一谈到解决数据库查询性能,很多人是言必称mybatis,因为他名气大可以理解!
但我今天在此要分享给大家的则是另辟蹊径非常独特的orm框架“sqltoy-orm”:
首先我们带着几个问题展开:
1、数据库的动态查询大家是怎么做的?myBatis那种xml中<if test=""></if> 优雅吗?条件多的时候直观吗?后期维护清晰便捷吗?
2、大家的分页是怎么弄的?如果查询员工表,同时需要关联员工的机构名称,你是查询出10条再关联机构表还是直接关联机构表然后取10条记录呢?
3、大家分页是不是每次做2次查询,一次查询总记录数,然后再查10条记录?能不能再优化?
4、大家做查询的时候需要多次关联数据字典表,有没有更好的办法提升性能?
5、大家的动态查询会不会存在sql注入问题?
当然还有很多类似的实战性问题,比如树形结构的查询、数据旋转等等。
但是我这里可以比较肯定的说,上述5条myBatis做的都不好,而sqltoy则绝对的惊艳,让人感到匪夷所思!
- 首先我们对比一下
mybatis的动态查询 (sql要是复杂一点看起来够累)
sqltoy-orm的动态查询编写方式
两者之间谁更容易看的懂?谁更有利于后期的维护?毫无疑问,sqltoy的编写模式保留了从客户端编写调试后完整sql的风格,这还是一个2个条件的查询,要是十个八个的,
尤其mybatis in处理还整出一个foreach;还有choose等,而sqltoy针对in 自动构造(?,?,?),针对choose 则可以通过 #[ #[] ] 形式的嵌套就可以解决。
让框架苦逼,让开发者爽,这才是框架的真谛!
谈及sql查询编写的直观性,很多人说是开发者不会用mybatis所以写的难以理解,又有人说查询一般就2到4个条件!但sqltoy针对这些问题的思路是这样的:
1、不给你写出看不懂的sql机会,统一的sql写法:从客户端调试完直接copy进来,写出了之后就是统一的风格。修改的时候copy出去放入客户端再调试修改。这种模式是否最贴切项目实践过程?mybatis你就不停剔除或增加<if>吧!
2、不给你sql注入的机会,所有参数都转成预编译模式。
3、sqltoy给你留下足够的手段和措施,不需要的时候不影响你,万一需要的时候呢?
那为什么sqltoy可以这么书写?大家有没有发现一个规律:你的参数为null或者为空白99.9%表示在页面上用户没有做选择,即不用参与查询,#[] 就等于if(xx!=null){},相当于一个约定。
当然会有极少的例外(什么是框架?框架就应该较方便的解决85%以上的普遍问题,针对特殊问题提供解决手段)。
- 展示一下完整的sqltoy动态查询以及分页、缓存翻译、快速分页、分页优化的配置
第一:运用了快速分页,先分页再关联,提升效率。
第二:运用了缓存翻译(可以配置多个translate),巧妙自然的将缓存跟数据库查询框架集成(很多人会说,我自己写代码从缓存里面循环翻译,my God! 你不嫌累你去写吧)
第三:配置了分页优化器,利用缓存机制将对应查询条件的总记录数缓存下来(设置缓存数量和缓存有效时长),从而避免了每次分页查询都执行两次查询。
当然sqltoy的普通的分页查询内部机制不是简单的根据不同数据库类型进行sql包裹,尤其对count语句的处理进行了优化,比如去除order by 、智能判断是否直接去除from前的语句用select count(1) 代替等。
- sqltoy通过filters来规范和处理查询参数
如上图,通过filters中的约定的一些标准逻辑处理,规范参数的值和格式,达到确保#[] 符合逻辑抽象的合法性。
- sqltoy的sql简单查询范例:sqlToyLazyDao是sqltoy默认提供dao实现,可以让开发者不必要针对简单的逻辑写一个dao类。sqltoy默认提供了分页、取top、取随机记录等等的实现机制,不需要开发者
针对这种非常基础的功能去寻找插件(个人认为框架就必须要提供这种常规的功能,针对相对偏僻的功能提供默认实现,同时提供好扩展的口子)。
简单范例如下:
- sqltoy实现行列转换
<!-- 列转行测试 --> <sql id="sys_unpvoitSearch"> <value> <![CDATA[ SELECT TRANS_DATE, sum(TOTAL_AMOUNT) TOTAL_AMOUNT, sum(PERSON_AMOUNT) PERSON_AMOUNT, sum(COMPANY_AMOUNT) COMPANY_AMOUNT FROM sys_unpivot_data group by TRANS_DATE ]]> </value> <!-- 将指定的列变成行(这里3列变成了3行) --> <unpivot columns="TOTAL_AMOUNT:总金额,PERSON_AMOUNT:个人金额,COMPANY_AMOUNT:企业金额" values-as-column="TRANS_AMOUNT" labels-as-column="AMOUNT_TYPE" /> </sql> <!-- 行转列测试 --> <sql id="sys_pvoitSearch"> <value> <![CDATA[ select t.TRANS_DATE,t.TRANS_CHANNEL,TRANS_CODE,sum(t.TRANS_AMT) TRANS_AMT from sys_summary_case t group by t.TRANS_DATE,t.TRANS_CHANNEL,TRANS_CODE order by t.TRANS_DATE,t.TRANS_CHANNEL,TRANS_CODE ]]> </value> <pivot category-columns="TRANS_CHANNEL,TRANS_CODE" start-column="TRANS_AMT" default-value="0" default-type="decimal" end-column="TRANS_AMT" group-columns="TRANS_DATE" /> </sql>
- sqltoy实现分组汇总求平均
<!-- 汇总计算 (场景是sql先汇总,页面上还需要对已有汇总再汇总的情况,如果用sql实现在跨数据库的时候就存在问题)--> <sql id="sys_summarySearch"> <sharding-datasource strategy="multiDataSource" /> <value> <![CDATA[ select t.TRANS_CHANNEL,t.TRANS_CODE,sum( t.TRANS_AMT ) from sys_summary_case t group by t.TRANS_CHANNEL,t.TRANS_CODE ]]> </value> <summary columns="2" reverse="true" sum-site="left" radix-size="2"> <global sum-label="总计" label-column="0" /> <!-- 可以无限层级的分组下去--> <group sum-label="小计/平均" label-column="0" group-column="0" average-label="平均" /> </summary> </sql>
- sqltoy实现分库分表查询:具体分库分表策略可以由开发者自行定义,sqltoy只提供几种默认的策略
分库分表策略定义(spring中定义bean):
<!-- 所有分库分表策略开发者可以自行实现接口进行拓展 --> <!-- 按照周期范围进行分表查询 --> <bean id="historyTableStrategy" name="dateHisTable" class="org.sagacity.sqltoy.plugin.sharding.DefaultShardingStrategy" init-method="initialize"> <!-- 多少天内查询实时表,可以用逗号分隔,如:value="360,35,1" --> <property name="days" value="14" /> <property name="dateParams" value="createTime,beginDate,bizDate,beginTime,bizTime" /> <!-- 实时表和历史表对照 --> <property name="tableNamesMap"> <map> <!-- value可用逗号分隔,跟days对应 ,如:value="a,b,c" --> <entry key="SYS_SHARDING_REAL" value="SYS_SHARDING_HIS" /> </map> </property> </bean> <!-- 按照权重进行分库查询分流策略--> <bean id="dataSourceStrategy" name="multiDataSource" class="org.sagacity.sqltoy.plugin.sharding.DefaultShardingStrategy" init-method="initialize"> <!-- 不同数据库的分配权重 --> <property name="dataSourceWeight"> <map> <entry key="dataSource" value="30" /> <entry key="dataSourceView" value="70" /> </map> </property> <!-- 数据库有效性检测时间间隔秒数,小于等于0表示不自动检测数据库 --> <property name="checkSeconds" value="180"/> </bean> <!-- 按照hash取模进行分库和分表策略 --> <bean id="hashDataSourceSharding" name="hashDataSourceSharding" class="org.sagacity.sqltoy.plugin.sharding.HashShardingStrategy" init-method="initialize"> <!-- 不同数据库的分配权重 --> <property name="dataSourceMap"> <map> <entry key="0" value="dataSource" /> <entry key="1" value="sharding1" /> <entry key="2" value="sharding2" /> </map> </property> <!-- 分表--> <property name="tableMap"> <map> <entry key="0" value="SYS_STAFF_INFO" /> <entry key="1" value="SYS_STAFF_INFO_1" /> </map> </property> </bean>
<!-- 分表分库查询 --> <sql id="sys_findByShardingTime"> <!-- 分库查询,将查询压力分担到多个数据库上 --> <sharding-datasource strategy="multiDataSource" /> <!-- 分表查询:按数据热度分表,如:将最近30天的数据查询30天的表,其他查询历史表,提升查询效率 --> <sharding-table tables="sys_sharding_real" strategy="dateHisTable" params="beginTime" /> <!-- 优化分页查询,核心是避免相同的查询条件每次查询总记录数量 --> <page-optimize alive-max="100" alive-seconds="600" /> <value> <![CDATA[ SELECT ID, STAFF_ID, POST_TYPE, CREATE_TIME, COMMENTS FROM sqltoy.sys_sharding_real t where t.CREATE_TIME between :beginTime and :endTime ]]> </value> </sql>
- sqltoy实现对象操作的分库分表
@SqlToyEntity /* * db则是分库策略配置,table 则是分表策略配置,可以同时配置也可以独立配置 * 策略name要跟spring中的bean定义name一致,fields表示要以对象的哪几个字段值作为判断依据,可以一个或多个字段 * maxConcurrents:可选配置,表示最大并行数 * maxWaitSeconds:可选配置,表示最大等待秒数 */ @Sharding(db = @Strategy(name = "hashDataSourceSharding", fields = { "staffId" }), table = @Strategy(name = "hashDataSourceSharding", fields = { "staffId" }), maxConcurrents = 10, maxWaitSeconds = 3600) public class StaffInfoVO extends AbstractStaffInfoVO {
- sqltoy 快速分页查询:@fast()实现先分页再关联,同时此功能适用于取随机记录和top记录,如果非分页查询@fast会自动剔除,不影响查询。
<sql id="sys_findStaff"> <value> <![CDATA[ select t1.*,t2.ORGAN_NAME from @fast(select * from sys_staff_info t where #[t.sexType=:sexType] #[and t.JOIN_DATE>:beginDate] #[and t.STAFF_NAME like :staffName] #[and t.TECH_GROUP in (:techGroups)] ) t1,sys_organ_info t2 where t1.ORGAN_ID=t2.ORGAN_ID ]]> </value> </sql>
- sqltoy 实现跨数据库函数替换:开发者可以扩展IFunction接口实现其他函数的替换,从而实现软件产品的跨数据库能力。
<!-- 配置辅助sql处理工具用于sql查询条件的处理 --> <bean id="sqlToyContext" name="sqlToyContext" class="org.sagacity.sqltoy.SqlToyContext" init-method="initialize"> <!-- 指定sql.xml 文件的路径实现目录的递归查找,非必须属性 --> <property name="sqlResourcesDir" value="classpath:sqltoy/showcase/" /> <!-- 针对不同数据库函数进行转换,非必须属性 --> <property name="functionConverts"> <list> <value>org.sagacity.sqltoy.plugin.function.SubStr</value> <value>org.sagacity.sqltoy.plugin.function.Trim</value> <value>org.sagacity.sqltoy.plugin.function.Instr</value> <value>org.sagacity.sqltoy.plugin.function.Concat</value> <value>org.sagacity.sqltoy.plugin.function.Nvl</value> </list> </property> </bean>
- 极端情况下动态sql后门@if()逻辑,@if支持简单的逻辑处理,包含:@if(:paramName>=xxx) 单逻辑和@if(:paramName1>=xxx2 || :paramName2<=xxx2) 双逻辑判断,对比符号:==、!=、<>、>=、>、<、<=,逻辑符号:|| 和 &&
<sql id="sag_if_test"> <value> <![CDATA[ select t1.*,t2.ORGAN_NAME from @fast(select * from sys_staff_info t where #[t.sexType=:sexType] #[and t.JOIN_DATE>:beginDate] #[and t.STAFF_NAME like :staffName] -- 是否虚拟员工@if()做逻辑判断 #[@if(:isVirtual==true||:isVirtual==0) and t.IS_VIRTUAL=1] ) t1,sys_organ_info t2 where t1.ORGAN_ID=t2.ORGAN_ID ]]> </value> </sql>
相关推荐
基于Maxwell设计的经典280W 4025RPM高效率科尔摩根12极39槽TBM无框力矩电机:生产与学习双重应用案例,基于Maxwell设计的经典280W高转速科尔摩根TBM无框力矩电机:7615系列案例解析与应用实践,基于maxwwell设计的经典280W,4025RPM 内转子 科尔摩根 12极39槽 TBM无框力矩电机,7615系列。 该案例可用于生产,或者学习用,(157) ,maxwell设计; 280W; 4025RPM内转子; 科尔摩根; 12极39槽TBM无框力矩电机; 7615系列; 生产/学习用。,基于Maxwell设计,高功率280W 12极39槽TBM无框力矩电机:生产与学习双用途案例
基于碳交易的微网优化模型的Matlab设计与实现策略分析,基于碳交易的微网优化模型的Matlab设计与实现探讨,考虑碳交易的微网优化模型matlab ,考虑碳交易; 微网优化模型; MATLAB;,基于Matlab的碳交易微网优化模型研究
二级2025模拟试题(答案版)
OpenCV是一个功能强大的计算机视觉库,它提供了多种工具和算法来处理图像和视频数据。在C++中,OpenCV可以用于实现基础的人脸识别功能,包括从摄像头、图片和视频中识别人脸,以及通过PCA(主成分分析)提取图像轮廓。以下是对本资源大体的介绍: 1. 从摄像头中识别人脸:通过使用OpenCV的Haar特征分类器,我们可以实时从摄像头捕获的视频流中检测人脸。这个过程涉及到将视频帧转换为灰度图像,然后使用预训练的Haar级联分类器来识别人脸区域。 2. 从视频中识别出所有人脸和人眼:在视频流中,除了检测人脸,我们还可以进一步识别人眼。这通常涉及到使用额外的Haar级联分类器来定位人眼区域,从而实现对人脸特征的更细致分析。 3. 从图片中检测出人脸:对于静态图片,OpenCV同样能够检测人脸。通过加载图片,转换为灰度图,然后应用Haar级联分类器,我们可以在图片中标记出人脸的位置。 4. PCA提取图像轮廓:PCA是一种统计方法,用于分析和解释数据中的模式。在图像处理中,PCA可以用来提取图像的主要轮廓特征,这对于人脸识别技术中的面部特征提取尤
麻雀搜索算法(SSA)自适应t分布改进版:卓越性能与优化代码注释,适合深度学习。,自适应t分布改进麻雀搜索算法(TSSA)——卓越的学习样本,优化效果出众,麻雀搜索算法(SSA)改进——采用自适应t分布改进麻雀位置(TSSA),优化后明显要优于基础SSA(代码基本每一步都有注释,代码质量极高,非常适合学习) ,TSSA(自适应t分布麻雀位置算法);注释详尽;高质量代码;适合学习;算法改进结果优异;TSSA相比基础SSA。,自适应T分布优化麻雀搜索算法:代码详解与学习首选(TSSA改进版)
锂电池主动均衡Simulink仿真研究:多种均衡策略与电路架构的深度探讨,锂电池主动均衡与多种均衡策略的Simulink仿真研究:buckboost拓扑及多层次电路分析,锂电池主动均衡simulink仿真 四节电池 基于buckboost(升降压)拓扑 (还有传统电感均衡+开关电容均衡+双向反激均衡+双层准谐振均衡+环形均衡器+cuk+耦合电感)被动均衡电阻式均衡 、分层架构式均衡以及分层式电路均衡,多层次电路,充放电。 ,核心关键词: 锂电池; 主动均衡; Simulink仿真; 四节电池; BuckBoost拓扑; 传统电感均衡; 开关电容均衡; 双向反激均衡; 双层准谐振均衡; 环形均衡器; CUK均衡; 耦合电感均衡; 被动均衡; 电阻式均衡; 分层架构式均衡; 多层次电路; 充放电。,锂电池均衡策略研究:Simulink仿真下的多拓扑主动与被动均衡技术
S7-1500和分布式外围系统ET200MP模块数据
内置式永磁同步电机无位置传感器模型:基于滑膜观测器和MTPA技术的深度探究,内置式永磁同步电机基于滑膜观测器和MTPA的无位置传感器模型研究,基于滑膜观测器和MTPA的内置式永磁同步电机无位置传感器模型 ,基于滑膜观测器;MTPA;内置式永磁同步电机;无位置传感器模型,基于滑膜观测与MTPA算法的永磁同步电机无位置传感器模型
centos7操作系统下安装docker,及docker常用命令、在docker中运行nginx示例,包括 1.设置yum的仓库 2.安装 Docker Engine-Community 3.docker使用 4.查看docker进程是否启动成功 5.docker常用命令及nginx示例 6.常见问题
给曙光服务器安装windows2012r2时候找不到磁盘,问厂家工程师要的raid卡驱动,内含主流大多数品牌raid卡驱动
数学建模相关主题资源2
西门子四轴卧式加工中心后处理系统:828D至840D支持,四轴联动制造解决方案,图档处理与试看程序一应俱全。,西门子四轴卧加后处理系统:支持828D至840D系统,四轴联动高精度制造解决方案,西门子四轴卧加后处理,支持828D~840D系统,支持四轴联动,可制制,看清楚联系,可提供图档处理试看程序 ,核心关键词:西门子四轴卧加后处理; 828D~840D系统支持; 四轴联动; 制程; 联系; 图档处理试看程序。,西门子四轴卧加后处理程序,支持多种系统与四轴联动
MATLAB下基于列约束生成法CCG的两阶段鲁棒优化问题求解入门指南:算法验证与经典文献参考,MATLAB下基于列约束生成法CCG的两阶段鲁棒优化问题求解入门指南:算法验证与文献参考,MATLAB代码:基于列约束生成法CCG的两阶段问题求解 关键词:两阶段鲁棒 列约束生成法 CCG算法 参考文档:《Solving two-stage robust optimization problems using a column-and-constraint generation method》 仿真平台:MATLAB YALMIP+CPLEX 主要内容:代码构建了两阶段鲁棒优化模型,并用文档中的相对简单的算例,进行CCG算法的验证,此篇文献是CCG算法或者列约束生成算法的入门级文献,其经典程度不言而喻,几乎每个搞CCG的两阶段鲁棒的人都绕不过此篇文献 ,两阶段鲁棒;列约束生成法;CCG算法;MATLAB;YALMIP+CPLEX;入门级文献。,MATLAB代码实现:基于两阶段鲁棒与列约束生成法CCG的算法验证研究
“生热研究的全面解读:探究参数已配置的Comsol模型中的18650圆柱锂电池表现”,探究已配置参数的COMSOL模型下的锂电池生热现象:18650圆柱锂电池模拟分析,出一个18650圆柱锂电池comsol模型 参数已配置,生热研究 ,出模型; 18650圆柱锂电池; comsol模型; 参数配置; 生热研究,构建18650电池的COMSOL热研究模型
移动端多端运行的知识付费管理系统源码,TP6+Layui+MySQL后端支持,功能丰富,涵盖直播、点播、管理全功能及礼物互动,基于UniApp跨平台开发的移动端知识付费管理系统源码:多端互通、全功能齐备、后端采用TP6与PHP及Layui前端,搭载MySQL数据库与直播、点播、管理、礼物等功能的强大整合。,知识付费管理系统源码,移动端uniApp开发,app h5 小程序一套代码多端运行,后端php(tp6)+layui+MySQL,功能齐全,直播,点播,管理,礼物等等功能应有尽有 ,知识付费;管理系统源码;移动端uniApp开发;多端运行;后端php(tp6);layui;MySQL;直播点播;管理功能;礼物功能,知识付费管理平台:全功能多端运行系统源码(PHP+Layui+MySQL)
基于Python+Django+MySQL的个性化图书推荐系统:协同过滤推荐,智能部署,用户定制功能,基于Python+Django+MySQL的个性化图书推荐系统:协同过滤推荐,智能部署,用户定制功能,Python+Django+Mysql个性化图书推荐系统 图书在线推荐系统 基于用户、项目、内容的协同过滤推荐算法。 帮远程安装部署 一、项目简介 1、开发工具和实现技术 Python3.8,Django4,mysql8,navicat数据库管理工具,html页面,javascript脚本,jquery脚本,bootstrap前端框架,layer弹窗组件、webuploader文件上传组件等。 2、项目功能 前台用户包含:注册、登录、注销、浏览图书、搜索图书、信息修改、密码修改、兴趣喜好标签、图书评分、图书收藏、图书评论、热点推荐、个性化推荐图书等功能; 后台管理员包含:用户管理、图书管理、图书类型管理、评分管理、收藏管理、评论管理、兴趣喜好标签管理、权限管理等。 个性化推荐功能: 无论是否登录,在前台首页展示热点推荐(根据图书被收藏数量降序推荐)。 登录用户,在前台首页展示个性化推荐
STM32企业级锅炉控制器源码分享:真实项目经验,带注释完整源码助你快速掌握实战经验,STM32企业级锅炉控制器源码:真实项目经验,完整注释,助力初学者快速上手,stm32真实企业项目源码 项目要求与网上搜的那些开发板的例程完全不在一个级别,也不是那些凑合性质的项目可以比拟的。 项目是企业级产品的要求开发的,能够让初学者了解真实的企业项目是怎么样的,增加工作经验 企业真实项目网上稀缺,完整源码带注释,适合没有参与工作或者刚学stm32的增加工作经验, 这是一个锅炉的控制器,有流程图和程序协议的介绍。 ,stm32源码;企业级项目;工作经验;锅炉控制器;流程图;程序协议,基于STM32的真实企业级锅炉控制器项目源码
整车性能目标书:涵盖燃油车、混动车及纯电动车型的十六个性能模块目标定义模板与集成开发指南,整车性能目标书:涵盖燃油车、混动车及纯电动车型的十六个性能模块目标定义模板与集成开发指南,整车性能目标书,汽车性能目标书,十六个性能模块目标定义模板,包含燃油车、混动车型及纯电动车型。 对于整车性能的集成开发具有较高的参考价值 ,整车性能目标书;汽车性能目标书;性能模块目标定义模板;燃油车;混动车型;纯电动车型;集成开发;参考价值,《汽车性能模块化目标书:燃油车、混动车及纯电动车的集成开发参考》
SNMP协议测试工具,解压:000000
基于MATLAB与YALMIP的含分布式与储能的微网优化调度模型:精准采集与高效求解,利用MATLAB和YALMIP构建含分布式与储能的微网优化模型,实现精准调度与约束管理,微网优化调度matlab 采用matlab+yalmip编制含分布式和储能的微网优化模型,程序采用15分钟为采集节点,利用cplex求解,程序考虑发电机的启停约束,程序运行可靠 ,微网优化调度; MATLAB编程; YALMIP; 分布式储能; 优化模型; CPLX求解; 节点采集; 发电机约束。,Matlab下的微网优化调度模型:分布式储能协同Cplex求解程序