FreeSql联表查询中同一表多次联接的解决方案
2025-06-15 17:39:09作者:吴年前Myrtle
在使用FreeSql进行数据库操作时,开发人员可能会遇到需要多次联接同一个表的情况。本文将以一个典型场景为例,详细介绍如何正确处理这种需求。
问题背景
在实际业务中,我们经常会遇到一个实体包含多个关联字段的情况。例如,一个"用户处理记录"实体可能同时包含"上报人ID"和"完成人ID"两个字段,它们都关联到用户表。这时我们需要两次联接用户表,分别获取上报人和完成人的详细信息。
常见错误做法
很多开发者会尝试使用以下方式编写代码:
string sql = iSel
.LeftJoin<SysUser>((a, b) => a.ShbrId == b.Id)
.LeftJoin<DicYhlx>((a, c) => a.Yhlx == c.Id)
.LeftJoin<DicYhly>((a, d) => a.Yhly == d.Id)
.LeftJoin<SysUser>((a, e) => a.WchrId == e.Id)
.ToSql(a => new
{
entity = a,
Shbr = "b.Name",
Yhlx = "c.Text",
Yhly = "d.Text",
Wchr = "e.Name"
});
这种写法看似合理,但实际上生成的SQL语句会缺少最后一次对用户表的联接,导致无法获取完成人信息。
正确解决方案
FreeSql提供了更灵活的多表查询方式,可以完美解决这个问题:
var result = fsql.Select<T1, T2, T3, T4, T5>()
.LeftJoin((a, b, c, d, e) => a.ShbrId == b.Id)
.LeftJoin((a, b, c, d, e) => a.Yhlx == c.Id)
.LeftJoin((a, b, c, d, e) => a.Yhly == d.Id)
.LeftJoin((a, b, c, d, e) => a.WchrId == e.Id)
.ToList((a, b, c, d, e) => new {
Entity = a,
ShbrName = b.Name,
YhlxText = c.Text,
YhlyText = d.Text,
WchrName = e.Name
});
技术原理
这种写法的关键在于使用泛型参数明确指定每个联接表的类型。FreeSql会根据泛型参数的顺序和数量正确生成对应的SQL联接语句,即使多次引用同一个实体类型也不会出现问题。
最佳实践建议
- 对于需要多次联接同一表的情况,优先使用多泛型参数的方式
- 为每个联接表使用有意义的别名,提高代码可读性
- 考虑查询性能,必要时添加适当的索引
- 对于复杂的联表查询,可以考虑使用原生SQL或存储过程
通过这种方式,开发者可以灵活处理各种复杂的联表查询需求,充分发挥FreeSql的强大功能。
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
🔥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
🎉 (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
781