当前位置: 首页 > article >正文

MyBatis-Plus实战:用apply搞定那些‘奇奇怪怪’的数据库函数查询

MyBatis-Plus实战用apply搞定那些‘奇奇怪怪’的数据库函数查询在业务开发中我们经常会遇到一些需要借助数据库函数才能实现的查询需求。比如按日期格式化后的结果查询、按字段的某部分匹配、或者使用数据库特有的JSON处理函数等。这些需求如果直接用MyBatis-Plus的常规方法链式调用往往难以实现而apply方法就是解决这类问题的利器。apply方法允许我们直接拼接SQL片段同时又能安全地处理参数绑定避免了SQL注入风险。它特别适合那些需要使用数据库特有函数或复杂表达式的场景。本文将深入探讨apply的各种实战用法并分享在不同数据库环境下的兼容性写法。1. apply方法的核心原理与基础用法apply方法是MyBatis-Plus中QueryWrapper和LambdaQueryWrapper提供的一个强大工具它的核心作用是允许开发者直接插入自定义的SQL片段。与直接拼接SQL字符串不同apply提供了安全的参数绑定机制。1.1 基本语法结构apply方法有两种重载形式// 基础形式 apply(String applySql, Object... params) // 带条件判断的形式 apply(boolean condition, String applySql, Object... params)参数说明applySql要拼接的SQL片段可以包含{0}、{1}等占位符params用于替换占位符的参数值condition布尔值决定是否应用此条件1.2 参数绑定与安全机制apply最强大的特性是它的参数绑定机制。考虑以下两种写法// 不安全的直接拼接 apply(date_format(dateColumn,%Y-%m-%d) 2018-08-08) // 安全的参数绑定 apply(date_format(dateColumn,%Y-%m-%d) {0}, 2018-08-08)第一种写法直接将值硬编码在SQL中存在SQL注入风险。第二种写法使用{0}占位符MyBatis-Plus会在运行时安全地绑定参数自动处理类型转换和特殊字符转义。1.3 基础使用示例让我们看一个完整的示例查询生日为特定日期的用户Test void testApplyBasic() { QueryWrapperUser wrapper new QueryWrapper(); wrapper.apply(date_format(birthday,%Y-%m-%d) {0}, 1990-10-01); ListUser users userMapper.selectList(wrapper); users.forEach(System.out::println); }这段代码会生成如下SQLSELECT id, name, birthday FROM user WHERE (date_format(birthday,%Y-%m-%d) ?)参数1990-10-01会被安全地绑定到预编译语句中。2. 处理复杂函数查询场景apply真正发挥威力的地方在于处理那些常规方法无法表达的复杂查询需求。下面我们来看几个典型场景。2.1 日期时间处理日期查询是业务系统中最常见的需求之一。不同数据库的日期函数差异很大apply可以很好地处理这些差异。查询某个月份生日的用户// MySQL写法 wrapper.apply(month(birthday) {0}, 10); // PostgreSQL写法 wrapper.apply(extract(month from birthday) {0}, 10);查询最近7天注册的用户// MySQL写法 wrapper.apply(date(create_time) date_sub(curdate(), interval 7 day)); // 使用参数绑定 wrapper.apply(date(create_time) date_sub(curdate(), interval {0} day), 7);2.2 字符串处理字符串处理函数在模糊查询、数据清洗等场景非常有用。查询用户名包含特定子串的用户// 查询用户名第2-4个字符为abc的用户 wrapper.apply(substring(username, 2, 3) {0}, abc);按邮箱域名分组统计// 获取符号后的部分 wrapper.groupBy(substring(email, position( in email) 1)) .select(substring(email, position( in email) 1) as domain, count(*) as cnt);2.3 JSON数据处理现代数据库大多支持JSON类型和相应的查询函数。查询JSON字段中的特定属性// MySQL JSON_EXTRACT wrapper.apply(JSON_EXTRACT(profile, $.age) {0}, 18); // PostgreSQL jsonb wrapper.apply(profile::jsonb-age {0}, 18);查询JSON数组包含特定元素// MySQL JSON_CONTAINS wrapper.apply(JSON_CONTAINS(tags, {0}), \premium\);3. 多数据库兼容性解决方案在实际项目中我们经常需要支持多种数据库。不同数据库的函数语法差异很大如何编写兼容的apply语句是一个挑战。3.1 数据库方言识别MyBatis-Plus提供了DbType枚举和IDbRouter接口来识别和处理不同数据库的差异。我们可以利用这些特性来编写条件化的apply语句。String applySql; if (DbType.MYSQL dbType) { applySql date_format(birthday,%Y-%m-%d) {0}; } else if (DbType.POSTGRE_SQL dbType) { applySql to_char(birthday, YYYY-MM-DD) {0}; } wrapper.apply(applySql, 1990-10-01);3.2 使用自定义SQL片段对于复杂的多数据库支持可以考虑将不同数据库的SQL片段提取到配置文件中mybatis-plus: sql-templates: date-format-query: mysql: date_format({column},%Y-%m-%d) {value} postgresql: to_char({column}, YYYY-MM-DD) {value} oracle: to_char({column}, YYYY-MM-DD) {value}然后在代码中根据当前数据库类型选择对应的模板String template sqlTemplates.get(date-format-query. dbType); String applySql template.replace({column}, birthday) .replace({value}, {0}); wrapper.apply(applySql, 1990-10-01);3.3 常见函数对照表下表列出了一些常用函数在不同数据库中的等价实现功能描述MySQLPostgreSQLOracle当前日期CURDATE()CURRENT_DATETRUNC(SYSDATE)日期格式化DATE_FORMAT(d, f)TO_CHAR(d, f)TO_CHAR(d, f)提取月份MONTH(d)EXTRACT(MONTH FROM d)EXTRACT(MONTH FROM d)JSON提取JSON_EXTRACT(d, p)d::json-pJSON_VALUE(d, p)字符串截取SUBSTRING(s, p, l)SUBSTRING(s, p, l)SUBSTR(s, p, l)4. 高级技巧与性能优化掌握了apply的基础用法后我们来看一些高级技巧和性能优化的方法。4.1 动态条件构建apply可以与MyBatis-Plus的其他条件构造方法组合使用实现复杂的动态查询。public ListUser searchUsers(UserQuery query) { QueryWrapperUser wrapper new QueryWrapper(); if (StringUtils.isNotBlank(query.getName())) { wrapper.like(name, query.getName()); } if (query.getMinAge() ! null) { wrapper.ge(age, query.getMinAge()); } if (query.getBirthMonth() ! null) { wrapper.apply(month(birthday) {0}, query.getBirthMonth()); } if (query.getTags() ! null !query.getTags().isEmpty()) { wrapper.apply(JSON_CONTAINS(tags, {0}), \ String.join(\ OR JSON_CONTAINS(tags, \, query.getTags()) \); } return userMapper.selectList(wrapper); }4.2 索引友好写法使用apply时要注意确保SQL能够利用索引。一些常见的优化技巧避免对索引列使用函数// 不推荐 - 无法使用birthday上的索引 wrapper.apply(date_format(birthday,%Y-%m-%d) {0}, 1990-10-01); // 推荐写法 - 可以使用索引 wrapper.between(birthday, 1990-10-01 00:00:00, 1990-10-01 23:59:59);使用函数索引支持的写法// 如果为month(birthday)创建了函数索引 wrapper.apply(month(birthday) {0}, 10);4.3 批量操作中的applyapply也可以用在批量更新和删除操作中// 批量更新上个月注册的用户的VIP状态 UpdateWrapperUser updateWrapper new UpdateWrapper(); updateWrapper.apply(date_format(create_time,%Y-%m) date_format(date_sub(curdate(), interval 1 month),%Y-%m)) .set(vip, true); userMapper.update(null, updateWrapper);4.4 与自定义SQL结合对于特别复杂的查询可以将apply与MyBatis的自定义SQL结合使用Select(SELECT * FROM user ${ew.customSqlSegment}) ListUser selectComplexUsers(Param(Constants.WRAPPER) QueryWrapperUser wrapper); // 调用方式 QueryWrapperUser wrapper new QueryWrapper(); wrapper.apply(JSON_CONTAINS(profile, {0}), {\premium\:true}) .apply(date_format(create_time,%Y-%m) {0}, 2023-10); ListUser users userMapper.selectComplexUsers(wrapper);5. 实战案例用户画像查询系统让我们通过一个完整的实战案例来展示apply的强大能力。假设我们需要开发一个用户画像查询系统支持以下查询条件按年龄段筛选按兴趣标签筛选按活跃时间段筛选按消费水平筛选5.1 数据模型准备假设用户表结构如下CREATE TABLE user ( id bigint NOT NULL AUTO_INCREMENT, name varchar(100) DEFAULT NULL, birthday date DEFAULT NULL, profile json DEFAULT NULL COMMENT 用户画像JSON, create_time datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (id) );profile字段存储用户画像信息格式示例{ age: 28, interests: [sports, music], active_hours: [9, 10, 11, 12, 13, 14], consumption_level: high }5.2 查询服务实现public ListUser queryUserProfiles(UserProfileQuery query) { QueryWrapperUser wrapper new QueryWrapper(); // 按年龄段筛选 if (query.getMinAge() ! null || query.getMaxAge() ! null) { if (query.getMinAge() ! null) { wrapper.apply(JSON_EXTRACT(profile, $.age) {0}, query.getMinAge()); } if (query.getMaxAge() ! null) { wrapper.apply(JSON_EXTRACT(profile, $.age) {0}, query.getMaxAge()); } } // 按兴趣标签筛选 if (query.getInterests() ! null !query.getInterests().isEmpty()) { String interestsCondition query.getInterests().stream() .map(interest - JSON_CONTAINS(profile, {0}, $.interests)) .collect(Collectors.joining( OR )); Object[] params query.getInterests().stream() .map(interest - \ interest \) .toArray(); wrapper.and(w - w.apply(interestsCondition, params)); } // 按活跃时间段筛选 if (query.getActiveHour() ! null) { wrapper.apply(JSON_CONTAINS(profile, {0}, $.active_hours), query.getActiveHour()); } // 按消费水平筛选 if (StringUtils.isNotBlank(query.getConsumptionLevel())) { wrapper.apply(JSON_EXTRACT(profile, $.consumption_level) {0}, query.getConsumptionLevel()); } return userMapper.selectList(wrapper); }5.3 多数据库兼容实现为了使上述代码支持多种数据库我们可以引入SQL模板public class SqlTemplates { private DbType dbType; private MapString, String templates; public String getJsonExtract(String path) { switch (dbType) { case MYSQL: return JSON_EXTRACT(profile, path ); case POSTGRE_SQL: return profile::json- path.replace($., ) ; case ORACLE: return JSON_VALUE(profile, path ); default: throw new UnsupportedOperationException(Unsupported database type); } } public String getJsonContains(String path) { switch (dbType) { case MYSQL: return JSON_CONTAINS(profile, {0}, path ); case POSTGRE_SQL: return {0}::jsonb profile::jsonb- path.replace($., ) ; case ORACLE: return JSON_EXISTS(profile, path ?( {0})); default: throw new UnsupportedOperationException(Unsupported database type); } } }然后在查询服务中使用// 替换原来的JSON_EXTRACT调用 wrapper.apply(sqlTemplates.getJsonExtract($.age) {0}, query.getMinAge()); // 替换原来的JSON_CONTAINS调用 wrapper.apply(sqlTemplates.getJsonContains($.interests), \ interest \);在实际项目中我发现最棘手的不是编写apply语句本身而是确保这些语句在不同数据库上都能正常工作。特别是在处理JSON数据时各数据库的实现差异很大。一个好的做法是尽早建立数据库兼容性测试套件确保所有apply语句在目标数据库上都能正确执行。

相关文章:

MyBatis-Plus实战:用apply搞定那些‘奇奇怪怪’的数据库函数查询

MyBatis-Plus实战:用apply搞定那些‘奇奇怪怪’的数据库函数查询 在业务开发中,我们经常会遇到一些需要借助数据库函数才能实现的查询需求。比如按日期格式化后的结果查询、按字段的某部分匹配、或者使用数据库特有的JSON处理函数等。这些需求如果直接用…...

Ubuntu 20.04下,用Anaconda虚拟环境搞定pycairo和PyGObject安装(附清华源加速)

Ubuntu 20.04下Anaconda虚拟环境中pycairo与PyGObject的完整安装指南 在Python开发中,特别是涉及多媒体处理、图形界面开发或无人机视觉应用时,pycairo和PyGObject这两个库几乎是绕不开的依赖项。然而,许多开发者在Ubuntu系统下通过pip安装这…...

Linux服务器部署tiny-cuda-nn:从环境校验到NeRF加速实战

1. 为什么需要tiny-cuda-nn? 如果你正在做NeRF相关的研究或开发,肯定遇到过训练速度慢的问题。传统的神经网络框架在NeRF这种需要大量计算的任务上表现平平,而tiny-cuda-nn就像给你的服务器装上了涡轮增压器。我在去年做一个室内场景重建项目…...

DHCP讲解(刘华强买瓜版)

编者注:(改编自《征服》第8集买瓜名场面)第一步:发现(Discover) 刘华强骑摩托晃进菜市场,眼神扫过一排摊位,猛踩一脚刹车,冲整个市场开腔:刘华强:…...

【2026内存安全编码白皮书】:C语言开发者必须立即落地的7项零成本接入策略

第一章:现代 C 语言内存安全编码规范 2026 如何实现快速接入现代 C 语言内存安全编码规范 2026(简称 MSC-2026)是一套面向工业级嵌入式与系统软件的轻量级、可增量集成的内存安全实践集合,聚焦于编译时约束、运行时防护与静态分析…...

【仅限首批信创集成商内部流通】Docker 27 国产化适配白皮书(含17个真实POC环境日志+4类CPU架构差异对照表)

第一章:Docker 27 国产化适配总体技术路线与政策背景近年来,国家密集出台《“十四五”数字经济发展规划》《关键信息基础设施安全保护条例》及《信创产业三年行动计划(2023–2025)》等政策文件,明确将容器技术纳入基础…...

LSTM长序列处理:挑战与优化策略

1. 长序列处理与LSTM的核心挑战长短期记忆网络(LSTM)作为循环神经网络(RNN)的变体,在时序数据处理领域展现出独特优势。与传统RNN相比,LSTM通过精心设计的门控机制(输入门、遗忘门、输出门&…...

HarmonyOS6 ArkTS RichText组件使用文档

文章目录组件概述1 核心作用2 基础使用条件3 基础代码结构可运行示例核心详解1 核心入参:HTML格式字符串1.1 支持的核心HTML标签1.2 支持的常用内联CSS样式2 基础样式属性3 核心事件典型应用场景场景1:复杂HTML内容解析与渲染场景2:Flex布局下…...

HarmonyOS6 ArkTS SymbolSpan组件使用文档

文章目录组件概述1 核心作用2 基础使用条件3 基础代码结构可运行示例核心属性详解1 基础样式属性2 渲染策略属性:renderingStrategy3 动效策略属性:effectStrategy典型应用场景场景1:图标字体粗细对比场景2:三种渲染策略对比场景3…...

智慧教育中的个性化学习与教学评估

智慧教育中的个性化学习与教学评估 随着信息技术的飞速发展,智慧教育已成为现代教育的重要趋势。个性化学习与教学评估作为智慧教育的核心,正逐步改变传统的教学模式,帮助教师更好地因材施教,同时让学生获得更高效的学习体验。本…...

C语言变量命名、运算符等入门自学教程

C语言变量命名C语言变量名的规则是,变量名要以英文字母开始,变量名里的字母是划分大小写的,变量名不可以是关键字,变量名之中不能含有空格、标点符号以及类型说明符。php中文网还给出C语言变量的相关下载、相关课程等内容&#xf…...

基于OpenCV的Java人脸识别系统开发实战

1. 项目概述:基于OpenCV的Java人脸识别系统人脸识别技术已经从实验室走向了日常生活,从手机解锁到门禁系统无处不在。而OpenCV作为计算机视觉领域的瑞士军刀,配合Java的跨平台特性,可以快速构建一套实用的人脸识别系统。我在过去三…...

C程序员凌晨紧急修复崩溃后,才发现漏装这个2026强制合规插件?

https://intelliparadigm.com 第一章:现代 C 语言内存安全编码规范 2026 插件下载与安装 插件获取渠道 现代 C 语言内存安全编码规范 2026(简称 C-MSC2026)插件已正式发布于 GitHub 官方组织仓库及多个可信源码平台。推荐优先使用官方 CLI …...

【嵌入式C×轻量大模型实战白皮书】:基于CMSIS-NN与TinyGrad的端侧微调框架,含12个可直接移植的API封装模板

第一章:嵌入式C与轻量大模型协同设计范式演进传统嵌入式系统以确定性、低功耗和实时性为核心,其软件栈长期依赖纯C语言实现——从裸机驱动到RTOS任务调度,全部运行在资源受限的MCU上。而近年来,随着TinyML技术成熟与量化推理引擎&…...

Docker 27原生支持低代码热部署,但92%团队仍在用v20方案——这3个API变更正悄悄淘汰旧架构

第一章:Docker 27低代码热部署的架构跃迁Docker 27(代号“Orca”)引入了原生支持低代码平台热部署的运行时抽象层,其核心突破在于将容器生命周期管理与可视化编排引擎深度解耦。这一跃迁不再依赖外部构建代理或重启式发布&#xf…...

【C++26合约编程权威指南】:20年性能专家亲授——3大编译器实测数据验证的零开销断言优化策略

第一章:C26合约编程的核心演进与零开销设计哲学C26 将首次将合约(Contracts)作为语言级特性正式纳入标准,其核心并非引入运行时断言机制,而是通过编译期契约分类(assert、axiom、ensures、requires&#xf…...

【仅限首批500家三级医院开放】:Docker 27医疗加密容器预编译镜像库(含NLP病历脱敏、基因序列同态加密插件)

第一章:Docker 27医疗加密容器的合规性演进与临床落地意义Docker 27 是首个原生集成 HIPAA-HITECH 合规密钥生命周期管理与 FIPS 140-3 验证加密模块的容器运行时,其发布标志着医疗工作负载容器化从“可用”迈向“可信”的关键分水岭。该版本将 TLS 1.3 …...

5分钟极速上手:Revelation光影包带你体验Minecraft电影级画质

5分钟极速上手:Revelation光影包带你体验Minecraft电影级画质 【免费下载链接】Revelation An explorative shaderpack for Minecraft: Java Edition 项目地址: https://gitcode.com/gh_mirrors/re/Revelation Revelation光影包是一款基于物理渲染的高性能Mi…...

别再纠结选SVM还是决策树了:用Python+MySQL实战工业设备故障预测(附完整代码)

工业设备故障预测实战:PythonMySQL下的SVM与决策树选型指南 在工业4.0时代,设备故障预测已成为智能制造的核心环节。面对生产线上每秒产生的海量传感器数据,如何选择适合的算法构建预测模型,是每位工程师都会遇到的现实难题。我曾…...

长芯微LMD9204完全P2P替代AD9204,2通道10位、20/40/65/80MSPS的模数转换器ADC

描述长芯微LMD9204是一款单芯片、双通道、10位、20 MSPS/40 MSPS/65 MSPS/80 MSPS模数转换器(ADC),采用1.8 V电源供电,内置高性能采样保持电路和片内基准电压源。该产品采用多级差分流水线架构,内置输出纠错逻辑&#…...

从Transformer到ChatGPT:深度解析大模型训练三阶段,附nano-LLM实战路线图!

本文详细介绍了大模型训练的完整生命周期,分为预训练、SFT(有监督微调)和RLHF/DPO(人类对齐)三大阶段。预训练阶段通过海量无标注文本让模型学习语言统计规律,SFT阶段通过指令-回答对教会模型对话能力&…...

量子计算中参数化电路的强化学习优化方法

1. 量子计算中的参数化电路优化挑战量子计算领域近年来取得了显著进展,但在实际应用中仍面临诸多挑战。当前量子设备属于"噪声中等规模量子"(NISQ)时代,这些设备尚未实现完全的纠错能力,其性能受到噪声的严重限制。在众多噪声源中&…...

自学渗透测试第23天(漏洞分类与sql注入模仿)

第9章 服务配置与工具链联动(第23–25天)9.1 漏洞分类与SQL注入模仿(第23天)核心目标掌握Web漏洞分类体系:理解OWASP TOP 10漏洞分类,建立系统化的漏洞认知框架。精通手工SQL注入流程:超越自动化…...

科研图像分析新选择:Fiji图像处理软件完整指南

科研图像分析新选择:Fiji图像处理软件完整指南 【免费下载链接】fiji A "batteries-included" distribution of ImageJ :battery: 项目地址: https://gitcode.com/gh_mirrors/fi/fiji 在生命科学、医学研究和材料科学领域,图像分析是实…...

C++实现MCP网关亚毫秒接入的最后机会:Linux 6.8新特性适配指南+DPDK 23.11迁移 checklist(限2024Q3前下载)

第一章:C编写高吞吐量MCP网关如何实现快速接入构建高吞吐量MCP(Model Control Protocol)网关的核心在于降低协议解析开销、消除I/O瓶颈,并支持毫秒级连接复用。C凭借零成本抽象、内存可控性与现代标准(C17/20&#xff…...

从Cmd到PowerShell:一个Windows老鸟的十年命令行工具演进史与效率翻倍心得

从Cmd到PowerShell:一个Windows老鸟的十年命令行工具演进史与效率翻倍心得 第一次在Windows XP上敲下dir /s命令时的兴奋感至今难忘——那是我与Cmd结缘的开始。作为从DOS时代走过来的老用户,我们这代人总带着对黑色命令窗口的特殊情感,就像程…...

轻量化、智能化、可预测的运营商API安全最佳实践指南和案例

一、概要提示:从整体视角概括方案核心价值,突出轻量化、智能化与风险可预测能力。在运营商数字化转型不断加速的背景下,API已经成为连接核心网、业务系统与外部合作生态的重要技术枢纽。围绕运营商行业“高并发、大流量、强合规”的特点&…...

【技术综述】3D高斯溅射:从原理到前沿应用的全景解析

1. 3D高斯溅射:下一代3D场景表达的革命性技术 第一次看到3D高斯溅射(3D Gaussian Splatting)渲染效果时,我被震撼到了——一个复杂的室内场景在普通显卡上就能实时渲染,画面质量堪比离线渲染的效果。这让我想起了十年前…...

边缘计算下LLM推理优化:挑战、策略与实践

1. 边缘计算中的LLM推理挑战与机遇在机器人、自动驾驶和智能家居等新兴自主系统中,边缘计算正成为部署大型语言模型(LLM)的关键平台。与云端部署相比,边缘推理具有三个显著优势:首先,它消除了数据上传到云端的延迟,这对…...

Linux 的 shuf 命令

Linux 的 shuf 命令是一个用于生成随机排列的实用工具,它可以从输入文件中随机排列行内容,或生成随机数序列。这个命令是 GNU coreutils 包的一部分,通常预装在大多数 Linux 发行版中。 基本语法:shuf [选项]... [文件] 常用选项…...