SQLPP11项目中使用动态WHERE条件删除数据的正确方法
2025-06-30 16:08:49作者:翟萌耘Ralph
在使用SQLPP11进行数据库操作时,动态构建WHERE条件是一个常见的需求。本文将通过一个实际案例,详细介绍如何在SQLPP11中正确使用动态WHERE条件进行数据删除操作。
问题背景
在开发过程中,我们经常需要根据某些条件从数据库中删除记录。SQLPP11提供了dynamic_remove_from方法来构建删除语句,但在使用in操作符时需要注意一些特殊处理。
常见错误
很多开发者会尝试直接使用vector作为in操作符的参数,例如:
std::vector<int> removedLoginStateIds;
sqlpp::dynamic_remove_from(db, loginState).dynamic_where(loginState.id.in(removedLoginStateIds));
这种写法会导致编译错误,因为SQLPP11不能直接识别C++标准库的vector容器。
正确解决方案
SQLPP11要求将vector容器包装在sqlpp::value_list中才能用于in操作符。正确的写法应该是:
std::vector<int> removedLoginStateIds;
sqlpp::dynamic_remove_from(db, loginState)
.dynamic_where(loginState.id.in(sqlpp::value_list(removedLoginStateIds)));
完整示例代码
下面是一个完整的示例,展示了如何查询过期记录并批量删除:
// 初始化日志和数据库模型
auto logfield = Util::Log("main").withFields({{"module", "UserService"}, {"event", "checkLoginState"}});
UserSQLdb::UserLoginState loginState{};
// 查询所有登录状态记录
decltype(db(select(all_of(loginState)).from(loginState).unconditionally())) dbLoginStates;
try {
dbLoginStates = db(select(all_of(loginState)).from(loginState).unconditionally());
} catch (const sqlpp::exception& e) {
logfield.error("数据库查询错误: {}", e.what());
return;
}
// 收集过期的登录状态ID
std::vector<int> removedLoginStateIds;
for (const auto& dbLoginState : dbLoginStates) {
auto now = std::chrono::system_clock::now();
if (dbLoginState.loginTime._value.time_since_epoch() + ExpireTime * std::chrono::seconds() > now.time_since_epoch()) {
removedLoginStateIds.emplace_back(dbLoginState.id);
}
}
// 批量删除过期记录
if (!removedLoginStateIds.empty()) {
try {
auto removeQuery = sqlpp::dynamic_remove_from(db, loginState)
.dynamic_where(loginState.id.in(sqlpp::value_list(removedLoginStateIds)));
db(removeQuery); // 注意:需要执行查询
} catch (const sqlpp::exception& e) {
logfield.error("数据库删除错误: {}", e.what());
}
}
注意事项
-
变量作用域:注意区分局部变量和外部变量,避免变量遮蔽问题。
-
查询执行:构建的SQL语句需要通过
db()调用才能真正执行。 -
空集合处理:当ID集合为空时,应该跳过删除操作,避免不必要的数据库访问。
-
性能考虑:对于大量数据的删除操作,应考虑分批处理或使用事务。
通过遵循这些最佳实践,可以确保在SQLPP11中正确、高效地使用动态WHERE条件进行数据删除操作。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
8
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++
654
278
暂无简介
Dart
639
145
Ascend Extension for PyTorch
Python
202
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100