FreeSql多表联查时别名设置的正确顺序
2025-06-15 04:39:49作者:劳婵绚Shirley
在使用FreeSql进行多表联查时,设置表别名的顺序是一个容易被忽视但非常重要的细节。本文将详细介绍这个问题及其解决方案。
问题现象
当开发者使用FreeSql进行多表联查时,可能会遇到以下情况:
var select = _freeSql.Select<ClassroomRegister, EducateCenter>()
.LeftJoin((register, center) => center.Num == register.RegisterCenterNum);
select.Page(req.Current, req.Size);
select.As("t", "organ");
生成的SQL语句中,ON条件部分仍然使用了默认的别名a和b,而不是开发者指定的别名t和organ:
LEFT JOIN [TST_EducateCenter] organ ON b.[Num] = a.[RegisterCenterNum]
原因分析
这个问题的根本原因在于方法调用的顺序。在FreeSql中,As方法用于设置表别名,但它必须在联表操作(如LeftJoin)之前调用才能生效。
正确用法
正确的调用顺序应该是先设置别名,再进行联表操作:
var select = _freeSql.Select<ClassroomRegister, EducateCenter>()
.As("t", "organ") // 先设置别名
.LeftJoin((register, center) => center.Num == register.RegisterCenterNum); // 再进行联表
select.Page(req.Current, req.Size);
这样生成的SQL语句就会正确使用指定的别名:
LEFT JOIN [TST_EducateCenter] organ ON organ.[Num] = t.[RegisterCenterNum]
技术原理
FreeSql构建SQL语句时是按照方法调用的顺序进行的。当先调用联表操作时,FreeSql会使用默认的别名a、b等来构建ON条件表达式。之后再调用As方法设置别名,已经无法影响之前构建的ON条件了。
最佳实践
- 在进行多表查询时,首先设置表别名
- 然后再进行联表操作
- 最后添加分页、排序等其他操作
这种顺序不仅适用于LeftJoin,对于InnerJoin、RightJoin等其他联表操作也同样适用。
总结
FreeSql作为一款强大的ORM框架,在使用时需要遵循其API的设计逻辑。理解方法调用的顺序对结果的影响,可以帮助开发者避免类似的问题。记住"先设置别名,再进行联表"这个简单的原则,就能确保生成的SQL语句符合预期。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146