Laravel框架中forceDelete()与模型观察者的交互机制解析
2025-05-04 12:44:22作者:魏侃纯Zoe
问题现象
在Laravel框架中,当开发者尝试对带有观察者(Observer)的模型使用forceDelete()方法进行永久删除时,发现该方法并未按预期工作。具体表现为:
- forceDelete()方法返回true,表明操作"成功"
- 模型记录未被删除
- 模型的created_at时间戳被更新为当前时间
- 只有使用forceDeleteQuietly()方法才能实现真正的删除
技术背景
Laravel的软删除机制
Laravel提供了SoftDeletes特性,允许开发者实现"软删除"功能。当模型使用这个特性时:
- 常规删除操作会在deleted_at字段设置时间戳而非真正删除记录
- forceDelete()方法用于绕过软删除直接永久删除记录
- 模型观察者可以监听各种模型事件
模型事件的生命周期
Laravel模型事件分为两类:
- "-ing"事件(如deleting、forceDeleting):在操作执行前触发,返回false可取消操作
- "-ed"事件(如deleted、forceDeleted):在操作成功后触发
问题根源分析
通过社区讨论和技术分析,发现问题源于观察者中对"deleted"事件的处理不当。具体表现为:
- 当调用forceDelete()时,Laravel会先触发forceDeleting事件,然后触发deleted事件
- 原观察者在deleted事件中执行了save()操作,导致:
- 记录被永久删除后
- 又通过save()重新创建了记录
- 从而表现为记录未被删除且created_at被更新
解决方案
方案一:分离事件处理
public function deleting(Demand $demand): void
{
$demand->deleted_by = auth()->user()->id;
}
public function deleted(Demand $demand): void
{
$demand->logs()->create([
'details' => [
"text" => '操作日志内容'
]
]);
}
public function forceDeleted(Demand $demand): void
{
$demand->logs()->create([
'details' => [
"text" => '永久删除日志'
]
]);
}
方案二:条件判断处理
public function deleted(Demand $demand): void
{
if (! $demand->isForceDeleting()) {
$demand->deleted_by = auth()->user()->id;
$demand->save();
}
// 记录日志
}
最佳实践建议
- 明确区分事件类型:理解ing和ed事件的不同用途
- 避免在ed事件中保存模型:这可能导致意外行为
- 合理使用forceDeleteQuietly:当确实需要绕过事件系统时使用
- 日志记录考虑外键约束:永久删除后关联记录可能无法创建
总结
这个问题展示了Laravel事件系统与数据库操作交互的一个典型案例。理解Laravel模型事件的生命周期和软删除机制对于开发稳定的应用至关重要。通过合理设计观察者逻辑,可以避免这类"看似成功实则失败"的操作陷阱。
对于需要同时处理软删除和永久删除的场景,建议采用方案一的结构,清晰分离不同事件的处理逻辑,这样既保证了代码可读性,也避免了潜在的问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219