Mongoose 事务处理中删除文档的常见误区
2025-05-06 15:35:18作者:翟萌耘Ralph
在使用Mongoose进行MongoDB事务处理时,开发人员经常会遇到一些操作上的误区。本文将以一个典型的文档删除操作为例,分析常见的错误模式及其解决方案。
问题背景
在MongoDB事务中执行删除操作时,开发人员可能会遇到DocumentNotFoundError错误,提示查询的文档不存在。这种情况通常发生在尝试删除一个文档后,又对该文档执行保存操作。
错误模式分析
在示例代码中,开发人员使用了以下模式:
- 首先通过
findOne()查询文档 - 然后使用
findByIdAndDelete()删除文档 - 在删除操作后,又调用了
save()方法
这种模式会导致两个主要问题:
- 逻辑矛盾:删除文档后又尝试保存它,这在业务逻辑上是不合理的
- 事务回滚:
save()操作会抛出错误,导致整个事务回滚,使删除操作实际上未生效
正确的实现方式
正确的做法应该是:
- 在事务中查询文档
- 直接执行删除操作
- 不需要也不应该对已删除的文档执行保存操作
修改后的核心代码逻辑应该是:
const isApproved = await User2Code_model.findOne({
User_Id: UserID,
UniqueCode: code
}).session(session);
if (!isApproved) {
await db.AbortTransaction(session);
return {
status: false,
description: "User and Code cannot be found"
};
}
const deletion = await User2Code_model.findByIdAndDelete(
isApproved._id
).session(session);
await db.CommitTransaction(session);
return {
status: true,
data: isApproved.data
};
事务处理的最佳实践
- 避免不必要的保存操作:删除操作后不需要保存文档
- 明确的事务边界:在事务开始时就应该明确成功和失败的场景
- 错误处理:确保在任何错误情况下都能正确终止事务
- 资源清理:始终确保在事务结束后释放会话和连接资源
总结
在使用Mongoose进行事务处理时,理解每个操作的实际效果至关重要。删除操作本身就是一种修改操作,不需要也不应该在其后执行保存操作。遵循这些原则可以避免许多常见的错误模式,使代码更加健壮和可靠。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219