Tortoise-ORM中auto_now字段更新机制解析
问题现象
在使用Tortoise-ORM时,开发者发现模型中使用auto_now参数的时间字段在调用update()方法时不会自动更新,而期望的行为是在任何数据变更时该字段都能自动更新为当前时间。
技术背景
auto_now是Tortoise-ORM中一个常用的字段参数,通常用于记录模型实例的最后修改时间。当设置为True时,理论上每次保存模型实例时,该字段都会自动更新为当前时间。
根本原因分析
经过深入分析,发现Tortoise-ORM中auto_now字段的更新机制存在以下特点:
-
仅响应save()方法:
auto_now字段只在显式调用模型实例的save()方法时才会自动更新,这是ORM层面的行为。 -
update()方法的特殊性:
update()方法是直接在SQL层面执行更新操作,绕过了ORM的模型实例保存流程,因此不会触发auto_now字段的更新机制。 -
数据库差异:有开发者反馈在某些数据库后端(如SQLite)中
auto_now可能完全失效,而在MySQL等数据库中表现正常,这表明该功能可能对数据库类型有依赖性。
解决方案
针对这一问题,推荐以下几种解决方案:
方案一:使用save()方法替代update()
movie = await Movie.filter(id=pk).first()
if movie:
movie.title = new_title # 更新需要修改的字段
await movie.save() # 调用save()方法触发auto_now更新
方案二:手动更新时间字段
如果必须使用update()方法,可以显式地更新时间字段:
await Movie.filter(id=pk).update(
title=new_title,
updated_at=datetime.now()
)
方案三:使用信号机制
通过Tortoise-ORM的信号系统,在数据更新时自动设置时间字段:
from tortoise.signals import post_save
@post_save(Movie)
async def update_timestamp(sender, instance, created, **kwargs):
if not created:
instance.updated_at = datetime.now()
await instance.save()
最佳实践建议
-
明确区分
update()和save()的使用场景:批量更新使用update(),单条记录修改使用save() -
对于关键时间戳字段,考虑添加数据库层面的触发器作为双重保障
-
在项目初期进行数据库选型时,应测试
auto_now在各目标数据库中的表现 -
重要的时间记录建议采用应用层和数据库层双重记录机制
总结
Tortoise-ORM中auto_now字段的行为设计体现了ORM与直接SQL操作的区别。理解这一机制有助于开发者更合理地设计数据模型和选择适当的更新方法。在需要精确记录修改时间的场景下,建议采用方案一或方案三来确保时间戳的正确更新。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00