Ecto 项目中软删除功能的深度解析与实现方案
2025-06-03 10:04:22作者:田桥桑Industrious
软删除的概念与价值
在数据库设计中,软删除(Soft Delete)是一种常见的数据管理策略,它通过标记记录为"已删除"而非实际从数据库中移除数据来实现删除操作。这种技术在现代应用开发中具有多重优势:
- 数据恢复能力:允许管理员在误操作后恢复重要数据
- 审计追踪:保留完整的历史记录,满足合规性要求
- 关联数据完整性:维护外键关系不受删除操作影响
- 数据分析:保留历史数据用于业务分析和报表生成
PostgreSQL 实现软删除的技术方案
在 PostgreSQL 数据库中,可以通过组合使用规则(RULE)和视图(VIEW)来实现优雅的软删除机制:
数据库规则实现
通过创建 INSTEAD OF 规则,我们可以将 DELETE 操作转换为 UPDATE 操作:
CREATE OR REPLACE RULE "phx_sync_soft_deletion" AS ON DELETE TO "items"
DO INSTEAD UPDATE items SET _deleted_at = NOW() WHERE id = OLD.id RETURNING OLD.*;
这条规则会在执行删除操作时自动转换为更新操作,将 _deleted_at 字段设置为当前时间戳,而非真正删除记录。
安全视图设计
为了在应用层自动过滤已删除的记录,我们可以创建专门的视图:
CREATE OR REPLACE VIEW visible_items AS
SELECT * FROM items WHERE _deleted_at IS NULL
这个视图只包含未被软删除的记录,简化了应用层的查询逻辑。
Ecto 集成方案与挑战
基础集成方法
在 Ecto 中,我们可以通过修改 schema 定义来使用上述视图:
schema "visible_items" do
# 字段定义
end
这种方式确保了默认查询只返回有效记录。当需要访问所有记录(包括已删除的)时,可以使用 Repo.all({"items", Item}) 语法。
技术挑战与解决方案
在实现过程中,开发团队发现了一个关键的技术挑战:由于 DELETE 操作被转换为 UPDATE,PostgreSQL 会返回零行受影响,导致 Ecto 默认抛出 Ecto.StaleEntryError。
Ecto 核心团队经过讨论后,决定通过引入 :allow_stale 选项来解决这个问题:
Repo.delete(item, allow_stale: true)
这个方案被选择是因为:
- 明确表达了意图,代码可读性高
- 保持了向后兼容性
- 避免了潜在的混淆和误用
高级实现考量
性能优化建议
- 为
_deleted_at字段添加索引,提高视图查询效率 - 考虑使用部分索引(Partial Index)只索引未删除的记录
- 对于大型表,可以考虑分区策略,将已删除记录移至单独的表空间
事务一致性保障
在实现软删除时,需要特别注意:
- 确保规则和视图的创建在事务中完成
- 考虑添加触发器来维护相关数据的完整性
- 实现级联软删除逻辑时,需要精心设计业务规则
替代方案比较
除了数据库层的实现,Ecto 还支持应用层实现软删除:
- 使用
prepare_query/3回调自动添加过滤条件 - 定义自定义查询宏来简化软删除查询
- 实现领域特定语言(DSL)来表达软删除语义
数据库层实现的优势在于:
- 性能更好,过滤发生在数据库端
- 安全性更高,防止遗漏过滤条件
- 跨应用一致性,所有访问数据库的应用都遵循相同规则
最佳实践建议
- 明确文档记录软删除策略,确保团队共识
- 实现定期清理真正删除过期记录的维护任务
- 考虑添加删除原因字段,增强审计能力
- 为管理员提供专门的界面管理已删除记录
- 在 API 设计中明确区分软删除和硬删除操作
通过这套完整的实现方案,开发者可以在 Ecto 应用中构建出健壮、高效的软删除功能,同时保持代码的清晰性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253