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
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
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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
677
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
205
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