Bun ORM中自动更新时间戳的最佳实践
2025-06-15 14:20:00作者:俞予舒Fleming
在使用Bun ORM进行数据库操作时,自动更新时间戳字段是一个常见的需求。本文将深入探讨如何正确配置Bun模型以实现自动更新时间戳功能,特别是在使用Upsert操作时的注意事项。
模型定义中的时间戳字段
在Bun ORM中定义模型时,通常会包含创建时间和更新时间两个字段。标准的定义方式如下:
type ConfigApproval struct {
bun.BaseModel
CreateTime time.Time `bun:"d_create,nullzero,notnull,default:current_timestamp"`
UpdateTime time.Time `bun:"d_update,nullzero,notnull,default:current_timestamp"`
}
这里的关键点在于使用default:current_timestamp来设置默认值,确保记录创建时能自动填充时间戳。
Upsert操作的特殊处理
当使用Upsert操作(即Insert on Conflict Update)时,Bun ORM不会自动更新UpdateTime字段。这是因为Upsert是一个复合操作,Bun无法自动判断这是否应该触发更新时间戳。
解决方案有两种:
1. 显式设置更新时间
在Upsert语句中手动指定更新时间:
_, err := db.NewInsert().
Model(configApproval).
On("CONFLICT (s_merchant_id,s_type) DO UPDATE").
Set("d_update = EXCLUDED.d_update").
Exec(ctx)
2. 使用BeforeAppendModel钩子
更优雅的方式是使用模型钩子自动处理时间戳:
func (u *ConfigApproval) BeforeAppendModel(ctx context.Context, query bun.Query) error {
switch query.(type) {
case *bun.InsertQuery:
u.CreateTime = time.Now()
case *bun.UpdateQuery:
u.UpdateTime = time.Now()
}
return nil
}
这种方法可以确保无论是普通更新还是Upsert操作,都能正确更新时间戳。
数据库层面的解决方案
除了应用层处理,还可以考虑在数据库层面实现自动更新时间戳:
- 使用触发器:创建触发器在记录更新时自动修改时间戳字段
- 使用列默认值:设置
ON UPDATE CURRENT_TIMESTAMP属性(MySQL风格) - 使用PostgreSQL的生成列:创建基于当前时间的生成列
最佳实践建议
- 对于简单项目,推荐使用BeforeAppendModel钩子,它简单直观且不依赖特定数据库功能
- 对于大型项目或需要数据库移植性的场景,考虑使用数据库触发器
- 保持一致性,项目中最好只采用一种时间戳更新策略
- 在团队文档中明确记录所采用的时间戳更新机制
通过合理选择和应用这些方法,可以确保Bun ORM项目中的时间戳字段始终保持准确和一致。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
474
3.54 K
React Native鸿蒙化仓库
JavaScript
287
339
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
224
92
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
723
174
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
10
1
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++
849
441
🎉 (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
1.27 K
699
🔥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
65
19