Mattermost项目中避免使用SELECT *的SQL查询优化实践
2025-05-04 15:12:39作者:董灵辛Dennis
背景介绍
在Mattermost这个开源企业级即时通讯平台的数据库访问层中,存在一个需要优化的技术点:在compliance_store.go文件中使用了SELECT *这样的SQL查询语句。这种写法虽然方便,但会带来严重的数据库兼容性问题。
问题分析
SELECT *语句会返回表中所有列的数据,当数据库表结构发生变化时(例如添加新列),会导致以下问题:
- 旧版本服务器无法正确处理新版本数据库中的新增列
- 增加了不必要的网络传输数据量
- 降低了查询性能
- 使代码对数据库结构变更更加敏感
解决方案
Mattermost团队提出了一个分步骤的优化方案:
第一步:将字符串SQL查询迁移到SQLBuilder
将硬编码的SQL字符串查询改为使用SQLBuilder构建查询。例如:
// 旧写法
_, err = s.GetReplica().Get("SELECT * FROM Table WHERE Id = ?", id)
// 新写法
query := s.getQueryBuilder().
Select("*").
From("Table").
Where(sq.Eq{"Id": id})
_, err = s.GetReplica().GetBuilder(query)
第二步:显式指定查询列
将SELECT("*")替换为显式指定所需列:
query := s.getQueryBuilder().
Select("Column1", "Column2").
From("Table").
Where(sq.Eq{"Id": id})
对于多次使用的查询,建议在存储构造函数中定义基础查询:
type SqlTableStore struct {
*SqlStore
tableSelectQuery sq.SelectBuilder
}
func newSqlTableStore(sqlStore *SqlStore) store.TableStore {
s := SqlTableStore{
SqlStore: sqlStore,
}
s.tableSelectQuery = s.getQueryBuilder().
Select("Column1", "Column2").
From("Table")
return &s
}
第三步:测试验证
修改完成后,需要运行相关的单元测试来验证修改的正确性:
go test -run TestTableStore
实施建议
- 建议在修改前先充分理解现有代码的业务逻辑
- 确保明确知道每个查询实际需要哪些列
- 修改时保持原子性,一次只修改一个存储文件
- 修改后需要进行充分的测试验证
- 考虑添加注释说明为什么需要这些特定列
总结
通过这种优化,Mattermost项目可以:
- 提高数据库兼容性
- 减少不必要的数据传输
- 提升查询性能
- 使代码更加健壮和可维护
这种优化方式不仅适用于Mattermost项目,对于其他使用SQL数据库的Go项目也具有参考价值,是编写高质量数据库访问代码的良好实践。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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