SQLPP11项目中使用动态WHERE条件删除数据的正确方法
2025-06-30 07:19:05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
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。C030
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
266
326
🎉 (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
1.22 K
667
🔥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
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
19
30