深入解析Stancl/Tenancy中防止时间戳自动写入JSON列的技术方案
2025-06-17 08:27:46作者:幸俭卉
在基于Stancl/Tenancy构建多租户应用时,开发者可能会遇到一个常见问题:模型的时间戳字段(created_at和updated_at)被自动包含在tenants表的data JSON列中。本文将深入探讨这一现象的技术原理,并提供多种解决方案。
技术背景
Stancl/Tenancy采用了独特的"混合列存储"设计模式。其核心机制是:
- 将租户模型的属性分为两类:标准数据库列和JSON序列化数据
- 通过
getCustomColumns()方法定义哪些属性应存储为独立列 - 其余属性默认会被序列化到data JSON列中
问题本质
时间戳字段被自动包含进data列的现象源于Eloquent的默认行为与Tenancy特性的交互:
- 默认情况下,Eloquent模型会自动维护时间戳
- 如果未在
getCustomColumns()中显式声明时间戳字段 - 这些字段会被视为"普通属性"而被序列化到data列
解决方案
方案一:扩展自定义列配置
在Tenant模型中重写getCustomColumns()方法,明确包含时间戳字段:
public static function getCustomColumns(): array
{
return [
'id',
'created_at',
'updated_at',
// 其他需要独立存储的字段...
];
}
方案二:禁用自动时间戳
如果应用不需要时间戳功能,可直接在模型中禁用:
public $timestamps = false;
方案三:自定义时间戳处理
对于需要精细控制的场景,可以结合两种方式:
public $timestamps = true; // 保持Eloquent时间戳功能
public static function getCustomColumns(): array
{
return [
'id',
'created_at', // 显式声明存储为独立列
'updated_at',
];
}
最佳实践建议
- 明确性优先:建议始终在
getCustomColumns()中显式声明所有需要独立存储的字段 - 性能考量:频繁查询的字段应设为独立列,避免JSON解析开销
- 数据一致性:重要字段(如外键、时间戳)推荐使用独立列保证数据完整性
- 文档化:在模型中添加注释说明字段存储策略
架构思考
这种设计实际上提供了灵活的存储策略选择:
- 将频繁查询/过滤的字段设为独立列优化性能
- 将不常使用的元数据放入JSON列简化表结构
- 开发者可以根据具体业务需求在存储效率和查询性能之间取得平衡
通过理解这一机制,开发者可以更有效地设计多租户应用的数据存储结构,满足不同场景下的业务需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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