Dapper多表查询结果合并的最佳实践

在使用Dapper进行多表查询时，开发人员经常会遇到结果集合并的问题。本文将详细介绍如何正确处理Dapper的多表查询结果，特别是当查询结果包含一对多关系时的解决方案。

问题背景

当使用Dapper的QueryAsync方法执行包含多个JOIN的SQL查询时，返回的结果集通常包含重复的主表数据。例如，一个文档可能关联多个标签和多个协作者，查询结果会为每个关联组合返回一行数据。

核心挑战

直接使用Dapper的多重映射功能时，如果不进行额外处理，会导致：

1. 主表数据重复
2. 关联表数据无法正确合并到主对象中
3. 每次映射回调都会创建新的主对象实例

解决方案

基本映射实现

首先，我们使用Dapper的QueryAsync方法进行多重映射：

var documents = await connection.QueryAsync<DocumentDto, LabelDto, CollaboratorDto, DocumentDto>(
    GetDocumentSql,
    (doc, label, collaborator) => {
        if (label is not null && label.LabelId != Guid.Empty) {
            doc.Labels.Add(label);
        }
        if (collaborator.ProfileId != Guid.Empty) {
            doc.Collaborators.Add(collaborator);
        }
        return doc;
    }, 
    new { Id = documentId.ToString() },
    splitOn: "LabelId,DocumentId");

结果集合并处理

然后，我们需要对结果进行分组和去重处理：

var result = documents
    .GroupBy(d => d.Id)
    .Select(g => {
        var groupedDocument = g.First();
        groupedDocument.Labels = g.Select(d => d.Labels.Single())
            .GroupBy(l => l.LabelId)
            .Select(l => l.First())
            .ToList();
        groupedDocument.Collaborators = g.Select(d => d.Collaborators.Single())
            .GroupBy(c => c.ProfileId)
            .Select(c => c.First())
            .ToList();
        return groupedDocument;
    });

实现原理

1. 分组处理：首先按照主表ID进行分组，确保每个主对象只处理一次
2. 去重处理：对于关联的子对象（标签和协作者），按照它们的ID进行分组去重
3. 结果合并：将去重后的子对象集合重新赋值给主对象

性能考虑

这种解决方案虽然功能完善，但在处理大量数据时可能会有性能问题，因为：

1. 需要进行多次分组操作
2. 需要创建中间集合
3. 内存中需要保存完整的结果集

对于大数据量场景，建议考虑以下优化方案：

• 使用存储过程预先聚合数据
• 分多次查询然后手动合并
• 使用Dapper的QueryMultiple方法分别查询主表和关联表

总结

Dapper的多表查询功能强大但需要开发者手动处理结果集合并。通过合理的分组和去重策略，我们可以有效地解决一对多关系查询中的结果合并问题。理解这一模式后，开发者可以灵活应用于各种复杂查询场景。