go-gorm/gen 中 Joins 与 Select 组合使用的注意事项
2025-07-01 11:17:08作者:蔡丛锟
在使用 go-gorm/gen 进行数据库查询时,开发者可能会遇到 Joins 和 Select 组合使用时与原生 GORM 行为不一致的情况。本文将深入分析这一现象,并解释如何正确使用 gen 进行关联查询。
问题现象
当开发者尝试使用 gen 进行关联查询时,可能会写出类似以下的代码:
d := query.Device
_, err = d.Select(d.Name).Joins(d.DeviceGroup.Select(query.Device.Name)).Rows()
期望的 SQL 是只查询设备名称和关联的设备组名称,但实际生成的 SQL 却包含了设备组的所有字段:
SELECT `devices`.`name`,`DeviceGroup`.`id` AS `DeviceGroup__id`,`DeviceGroup`.`name` AS `DeviceGroup__name`,`DeviceGroup`.`remark` AS `DeviceGroup__remark` FROM `devices` LEFT JOIN `device_groups` `DeviceGroup` ON `devices`.`group_id` = `DeviceGroup`.`id`
这与原生 GORM 的行为不同,原生 GORM 会正确生成只包含指定字段的 SQL:
SELECT `name`,`DeviceGroup`.`name` AS `DeviceGroup__name` FROM `devices` LEFT JOIN `device_groups` `DeviceGroup` ON `devices`.`group_id` = `DeviceGroup`.`id`
原因分析
gen 的设计理念与原生 GORM 有所不同。在 gen 中:
- Select 方法:用于指定最终查询结果中需要包含的字段
- Joins 方法:仅用于指定关联表和关联条件,而不用于指定关联表的查询字段
这种设计分离了关联定义和字段选择的责任,使得代码结构更加清晰。
正确用法
在 gen 中,正确的做法是将所有需要查询的字段都放在 Select 方法中:
d := query.Device
dg := query.DeviceGroup
_, err = d.Select(d.Name, dg.Name).Joins(d.DeviceGroup).Rows()
这样生成的 SQL 将只包含指定的字段:
SELECT `devices`.`name`,`DeviceGroup`.`name` FROM `devices` LEFT JOIN `device_groups` `DeviceGroup` ON `devices`.`group_id` = `DeviceGroup`.`id`
设计哲学
gen 的这种设计有以下几个优点:
- 一致性:所有字段选择都在 Select 方法中完成,避免了逻辑分散
- 可读性:代码结构更加清晰,易于理解和维护
- 可预测性:行为更加一致,减少了因方法组合顺序不同导致的结果差异
最佳实践
- 将所有的字段选择逻辑集中在 Select 方法中
- 使用 Joins 方法仅指定关联关系
- 对于复杂查询,可以先将关联表赋值给变量,提高代码可读性
- 充分利用 gen 的类型安全特性,避免直接使用字符串指定字段名
总结
理解 gen 与原生 GORM 在设计理念上的差异对于高效使用 gen 至关重要。通过将字段选择逻辑集中在 Select 方法中,开发者可以编写出更加清晰、可维护的查询代码,同时充分利用 gen 提供的类型安全优势。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1