SqlSugar中根据主键查询数据的优雅实现方式
2025-06-06 05:04:18作者:毕习沙Eudora
背景介绍
SqlSugar作为一款优秀的.NET ORM框架,提供了丰富的查询功能。在实际开发中,我们经常需要根据主键来查询单条数据记录。传统的做法是构建表达式树或者使用Where条件来实现,这种方式虽然可行但代码显得不够简洁优雅。
传统实现方式
在早期版本中,开发者通常需要手动构建表达式树来根据主键查询数据。例如:
Expression<Func<TEntity, bool>> exp = ExpressionHelper.GetSingeExpression<TEntity>(
this.DbContext.EntityMaintenance.GetEntityInfo<TEntity>()
.Columns.Where(x => x.IsPrimarykey)
.Select(x => x.DbColumnName)
.FirstOrDefault(),
inDto.Id,
typeof(Guid));
var result = await this.DbContext.Queryable<TEntity>()
.IncludesAllFirstLayer()
.Where(exp)
.Select("x", dynamicSelectString)
.ToListAsync();
这种方式虽然功能完善,但存在以下问题:
- 代码冗长,可读性差
- 需要手动处理主键字段和类型
- 需要额外处理结果集转换
优化后的实现方式
SqlSugar在5.1.4.189-preview07版本中新增了更简洁的查询方式,使得根据主键查询数据变得更加优雅:
var result = await queryable.In(主键值).Select(字段选择).SingleAsync();
这种新方式具有以下优势:
- 代码简洁明了,一行代码即可完成查询
- 自动识别主键字段,无需手动指定
- 直接返回单条记录,无需处理结果集转换
- 支持链式调用,可与其他查询条件组合使用
实际应用示例
假设我们有一个用户表User,主键为Id,我们可以这样查询:
// 查询单个用户完整信息
var user = await db.Queryable<User>().In(userId).SingleAsync();
// 查询单个用户的特定字段
var userInfo = await db.Queryable<User>()
.In(userId)
.Select(u => new { u.Name, u.Email })
.SingleAsync();
技术原理
SqlSugar的In()方法针对主键查询做了特殊优化:
- 当In()方法传入单个值时,会自动识别为根据主键查询
- 内部会自动获取实体类的主键配置信息
- 生成优化的SQL语句,如:
SELECT * FROM Table WHERE PrimaryKey = @Value - 与Single()/SingleAsync()组合使用时,会自动添加LIMIT 1等优化
最佳实践建议
- 对于明确知道主键值的查询,优先使用In().Single()组合
- 需要查询特定字段时,配合Select()方法使用
- 对于可能不存在的记录,考虑使用FirstOrDefault()替代Single()
- 在事务处理中,这种查询方式同样适用
总结
SqlSugar通过不断优化API设计,使得常见的数据查询操作变得更加简洁高效。这种根据主键查询的优化方式,不仅减少了开发者的编码量,也提高了代码的可读性和维护性。建议开发者及时更新到最新版本,体验这些改进带来的便利。
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