FreeSql中UnionAll分页查询的注意事项
2025-06-14 18:11:42作者:温艾琴Wonderful
在使用FreeSql进行复杂查询时,UnionAll操作与分页查询的组合可能会产生一些意料之外的结果。本文将通过一个实际案例,分析这种组合查询可能产生的问题及其解决方案。
问题现象分析
在FreeSql中,当开发者尝试将UnionAll与分页查询结合使用时,可能会遇到以下情况:
- 第一页查询正常执行,但结果集可能不符合预期
- 后续分页查询时,SQL语句结构发生变化,导致结果异常
- 分页总数计算不准确
问题根源
问题的核心在于UnionAll操作与分页查询的执行顺序。在上述案例中,开发者在一个UnionAll查询的两个部分都应用了分页逻辑:
// 第一部分查询
.FromQuery(realTimeAiEventValueSelect,callRecordSelect)
// ...其他条件...
.Page(pageIndex,pageSize)
// 第二部分UnionAll查询
.UnionAll(_reportRepository.FreeSql.Select<CallRecordEntity>()
// ...其他条件...
.Page(pageIndex,pageSize))
这种写法会导致SQL生成时,每个UnionAll的部分都单独应用了分页逻辑,而不是对整个联合结果集进行分页。
正确使用方式
正确的做法应该是:
- 保持UnionAll各部分查询完整,不单独分页
- 在整个UnionAll查询完成后,再应用分页逻辑
修改后的代码结构应该是:
var query = _reportRepository.FreeSql.Select<RealtimeMonitorEntity>()
.FromQuery(realTimeAiEventValueSelect,callRecordSelect)
// ...第一部分查询条件...
.WithTempQuery(...)
.UnionAll(_reportRepository.FreeSql.Select<CallRecordEntity>()
// ...第二部分查询条件...
.WithTempQuery(...))
// 统一分页
.Count(out var totalCount)
.Page(pageIndex,pageSize)
.ToListAsync();
技术原理
FreeSql在处理分页查询时,会根据调用链的顺序生成相应的SQL语句。当在UnionAll内部使用Page方法时,它会为每个部分生成独立的分页逻辑,这通常不是开发者想要的效果。
正确的分页应该作用于整个联合查询的结果集上,这样才能保证分页结果的准确性和一致性。
最佳实践建议
- 避免在UnionAll的各个部分单独使用分页
- 确保分页逻辑应用于整个查询的最后阶段
- 对于复杂查询,可以先构建完整查询再分页
- 测试不同分页情况下的SQL生成,确保符合预期
通过遵循这些原则,可以确保UnionAll分页查询的正确性和性能。
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217