Dapper中的Upsert操作实现方法
2025-05-12 03:59:54作者:沈韬淼Beryl
概述
在使用Dapper进行数据库操作时,经常会遇到需要实现"存在则更新,不存在则插入"的场景,这种操作通常被称为Upsert。本文将详细介绍在Dapper中实现Upsert操作的几种方法。
原生Dapper实现方式
Dapper本身是一个轻量级的ORM工具,它不会自动生成Upsert语句,但可以执行开发者手动编写的SQL语句来实现这一功能。
MySQL实现方案
在MySQL中,可以使用ON DUPLICATE KEY UPDATE语法:
INSERT INTO table_name (id, column1, column2)
VALUES (@id, @value1, @value2)
ON DUPLICATE KEY UPDATE
column1 = VALUES(column1),
column2 = VALUES(column2);
使用Dapper执行这个SQL语句:
var sql = @"INSERT INTO table_name (id, column1, column2)
VALUES (@id, @value1, @value2)
ON DUPLICATE KEY UPDATE
column1 = VALUES(column1),
column2 = VALUES(column2);";
connection.Execute(sql, new { id = 1, value1 = "test", value2 = 123 });
SQL Server实现方案
在SQL Server中,可以使用MERGE语句或IF EXISTS模式:
MERGE INTO table_name AS target
USING (SELECT @id AS id, @value1 AS column1, @value2 AS column2) AS source
ON target.id = source.id
WHEN MATCHED THEN
UPDATE SET column1 = source.column1, column2 = source.column2
WHEN NOT MATCHED THEN
INSERT (id, column1, column2) VALUES (source.id, source.column1, source.column2);
或者使用IF EXISTS模式:
IF EXISTS (SELECT 1 FROM table_name WHERE id = @id)
UPDATE table_name SET column1 = @value1, column2 = @value2 WHERE id = @id
ELSE
INSERT INTO table_name (id, column1, column2) VALUES (@id, @value1, @value2)
使用Dapper扩展库
除了原生Dapper外,还可以使用一些扩展库来简化Upsert操作:
Dapper Plus
Dapper Plus提供了更简洁的语法来实现Upsert:
connection.BulkMerge(entityList);
这种方式会自动处理批量Upsert操作,内部会根据数据库类型生成适当的SQL语句。
性能考虑
- 对于大批量操作,建议使用批量Upsert而不是单条处理
- 不同数据库的Upsert语法和性能表现不同,需要针对特定数据库优化
- 在高并发场景下,需要考虑锁竞争问题
事务处理
无论使用哪种方法实现Upsert,都应该考虑事务处理,特别是在需要保证数据一致性的场景中:
using (var transaction = connection.BeginTransaction())
{
try
{
// 执行Upsert操作
connection.Execute(sql, parameters, transaction);
transaction.Commit();
}
catch
{
transaction.Rollback();
throw;
}
}
总结
Dapper提供了灵活的方式来实现Upsert操作,开发者可以根据具体需求和使用的数据库系统选择最适合的实现方式。对于简单场景,直接使用原生SQL语句即可;对于复杂场景或需要批量处理的场景,可以考虑使用Dapper扩展库来简化代码。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
656
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
657