FreeSql分表功能中时间范围查询的优化实践
2025-06-15 20:23:12作者:牧宁李
在使用FreeSql进行分表查询时,时间范围查询是一个常见需求。本文将深入探讨如何正确配置分表规则以实现高效的时间范围查询。
分表配置的核心要点
FreeSql的分表功能通过[Table]特性中的AsTable参数进行配置。该参数支持多种格式来定义分表规则:
- 基本格式:
createtime=2022-7-1(24 month)表示从2022年7月开始,按月分表,共24个月 - 进阶格式:
createtime=2022-7-1(24,3 month)表示从2022年7月开始,按月分表,共24个月,但每次只查询最近的3个月
问题现象分析
开发者在实际使用中遇到了以下情况:
- 预期SQL应该只查询主表
Order - 实际生成的SQL却同时查询了分表
Order_202410和主表Order - 查询条件中的时间范围(2023年7月)与分表时间(2024年10月)明显不匹配
解决方案
通过调整分表配置参数解决了此问题:
[Table(Name = "as_table_log_{yyyyMM}", AsTable = "createtime=2022-7-1(24,3 month)")]
关键改进点在于:
- 明确指定了分表的时间起点(2022年7月)
- 设置了总表数量(24个月)和每次查询的表数量限制(3个月)
最佳实践建议
- 明确时间范围:在AsTable参数中准确设置分表的起始时间和持续时间
- 合理设置查询范围:通过第二个参数限制每次查询涉及的分表数量,提高查询效率
- 主表与分表配合:主表通常用于存储近期数据,分表用于历史数据归档
- 时间条件优化:确保查询条件中的时间范围与分表配置相匹配
总结
FreeSql的分表功能强大但需要正确配置。通过合理设置AsTable参数,特别是时间范围和查询限制,可以显著提高分表查询的效率和准确性。开发者在实现分表功能时,应当仔细规划数据分布策略,确保查询条件与分表规则协调一致。
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
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
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++
660
303
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
React Native鸿蒙化仓库
JavaScript
255
321
🔥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
63
19
🎉 (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
1.19 K
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866