首页
/ Dapper 多表关联查询与对象映射技巧

Dapper 多表关联查询与对象映射技巧

2025-05-12 12:19:02作者:瞿蔚英Wynne

概述

在使用Dapper进行数据库操作时,经常会遇到需要将多个关联表的数据映射到复杂对象结构中的场景。本文将通过一个典型示例,详细介绍如何使用Dapper高效地实现这种多表关联查询和对象映射。

典型场景分析

假设我们有以下业务模型:

  • 用户(User)信息
  • 产品(Product)信息
  • 订单(Order)信息,其中包含用户信息和产品列表

对应的C#类定义如下:

public class User
{
    public int Id { get; set; }
    public string FirstName { get; set; }
    public string LastName { get; set; }
}

public class Product
{
    public int Id { get; set; }
    public string Name { get; set; }
    public string Description { get; set; }
    public decimal Price { get; set; }
}

public class Order
{
    public int Id { get; set; }
    public DateTime OrderDate { get; set; }
    public User Customer { get; set; }
    public IEnumerable<Product> Products { get; set; }
}

Dapper多表查询解决方案

方案一:使用QueryMultiple方法

Dapper提供了QueryMultiple方法,可以执行包含多个结果集的查询:

var sql = @"
SELECT * FROM Orders WHERE Id = @id;
SELECT * FROM Users WHERE Id = (SELECT UserId FROM Orders WHERE Id = @id);
SELECT p.* FROM Products p 
INNER JOIN OrderProducts op ON p.Id = op.ProductId
WHERE op.OrderId = @id;
";

using (var multi = connection.QueryMultiple(sql, new { id }))
{
    var order = multi.Read<Order>().Single();
    order.Customer = multi.Read<User>().Single();
    order.Products = multi.Read<Product>().ToList();
    return order;
}

方案二:使用多映射(Query with Multi-Mapping)

Dapper支持通过Query方法实现多表映射:

var sql = @"
SELECT o.*, u.*, p.*
FROM Orders o
INNER JOIN Users u ON o.UserId = u.Id
INNER JOIN OrderProducts op ON o.Id = op.OrderId
INNER JOIN Products p ON op.ProductId = p.Id
WHERE o.Id = @id
";

var orderDictionary = new Dictionary<int, Order>();

var order = connection.Query<Order, User, Product, Order>(
    sql,
    (o, u, p) => 
    {
        if (!orderDictionary.TryGetValue(o.Id, out var orderEntry))
        {
            orderEntry = o;
            orderEntry.Customer = u;
            orderEntry.Products = new List<Product>();
            orderDictionary.Add(orderEntry.Id, orderEntry);
        }
        ((List<Product>)orderEntry.Products).Add(p);
        return orderEntry;
    },
    new { id },
    splitOn: "Id,Id"  // 指定分割列
).Distinct().Single();

方案三:使用JSON聚合(PostgreSQL/MySQL)

对于支持JSON功能的数据库,可以使用JSON聚合:

var sql = @"
SELECT 
    o.*,
    u.*,
    (SELECT json_agg(p.*) 
     FROM Products p 
     INNER JOIN OrderProducts op ON p.Id = op.ProductId
     WHERE op.OrderId = o.Id) AS Products
FROM Orders o
INNER JOIN Users u ON o.UserId = u.Id
WHERE o.Id = @id
";

var order = connection.Query<Order>(sql, new { id }).Single();

性能优化建议

  1. 索引优化:确保关联字段(UserId, ProductId等)有适当的索引
  2. 分页处理:对于大数据量结果集,考虑实现分页
  3. 延迟加载:对于不常用的关联数据,可以考虑延迟加载策略
  4. 缓存策略:对频繁访问但不常变化的数据实施缓存

常见问题解决

  1. 列名冲突:使用AS关键字为列指定别名
  2. 空值处理:使用Dapper的DefaultValue特性或自定义类型转换器
  3. 循环引用:在JSON序列化时配置忽略循环引用

总结

Dapper提供了多种方式来处理复杂对象关系的映射,开发者可以根据具体场景选择最适合的方案。对于简单关系,多映射方法简洁高效;对于复杂关系,QueryMultiple方法提供了更好的灵活性;而JSON聚合则在支持该功能的数据库中提供了极简的解决方案。

登录后查看全文

项目优选

收起
kernelkernel
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
511
551
docsdocs
暂无描述
Markdown
852
5.69 K
ops-transformerops-transformer
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++
1.05 K
2.49 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
839
1.28 K
ops-nnops-nn
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++
847
1.7 K
ops-mathops-math
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++
1.25 K
1.38 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.17 K
857
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
503
346
cann-learning-hubcann-learning-hub
CANN 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 Notebook
787
415