Mattermost项目中避免使用SELECT *的SQL查询优化实践
2025-05-04 18:56:06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
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
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++
947
887
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
398
303
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381