Mattermost项目中优化PreferenceStore的SQL查询实践
2025-05-04 06:57:23作者:凤尚柏Louis
背景介绍
在Mattermost这个开源企业级即时通讯平台的开发过程中,数据库查询优化是一个持续进行的工作。特别是在PreferenceStore模块中,使用SELECT *这种查询方式会带来潜在的问题,需要开发者进行针对性的优化。
问题分析
SELECT *查询语句虽然编写简单,但在生产环境中会带来两个主要问题:
- 向后兼容性问题:当数据库表结构发生变化(如新增列)时,旧版本的服务器代码无法正确处理新增加的列数据
- 性能问题:查询返回所有列数据,包括那些不需要的列,增加了数据库负载和网络传输量
解决方案
第一阶段:迁移字符串SQL到Builder模式
原始代码中直接使用字符串拼接SQL语句的方式:
_, err = s.GetReplica().Get("SELECT * FROM Preferences WHERE UserId = ?", userId)
应迁移为使用SQL Builder模式:
query := s.getQueryBuilder().
Select("*").
From("Preferences").
Where(sq.Eq{"UserId": userId})
_, err = s.GetReplica().GetBuilder(query)
这种改造使得SQL语句的构建更加结构化,便于后续维护和扩展。
第二阶段:显式指定查询列
进一步优化,将SELECT *替换为具体需要的列名:
query := s.getQueryBuilder().
Select("UserId", "Category", "Name", "Value").
From("Preferences").
Where(sq.Eq{"UserId": userId})
对于频繁使用的查询,可以在Store初始化时预定义查询结构:
type SqlPreferenceStore struct {
*SqlStore
preferenceSelectQuery sq.SelectBuilder
}
func newSqlPreferenceStore(sqlStore *SqlStore) store.PreferenceStore {
s := &SqlPreferenceStore{
SqlStore: sqlStore,
}
s.preferenceSelectQuery = s.getQueryBuilder().
Select("UserId", "Category", "Name", "Value").
From("Preferences")
return s
}
使用时只需添加条件即可:
query := s.preferenceSelectQuery.Where(sq.Eq{"UserId": userId})
实施建议
- 测试保障:修改后必须运行相关单元测试,确保功能不受影响
- 渐进式改造:可以先改造查询量大的关键路径,再逐步覆盖全部查询
- 性能监控:改造前后建议进行性能对比测试
总结
通过这种SQL查询优化,Mattermost项目可以获得以下收益:
- 提高系统向后兼容性,使数据库模式变更更加安全
- 减少不必要的数据传输,提升查询性能
- 代码更加结构化,便于后续维护和扩展
这种优化模式不仅适用于PreferenceStore,也可以推广到项目中的其他数据存储模块,是数据库访问层优化的一个良好实践。
登录后查看全文
热门项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134