MyBatis-Plus多租户查询优化实践
2025-05-13 04:08:33作者:沈韬淼Beryl
多租户查询性能问题分析
在使用MyBatis-Plus 3.5.3.1版本进行多租户开发时,开发人员遇到了一个典型的查询性能问题。当主表数据量较大(3万条以上)时,使用LEFT JOIN结合ON条件进行多租户过滤的查询会出现超时现象。而将过滤条件移至WHERE子句后,查询性能则恢复正常。
问题现象重现
问题查询语句如下:
SELECT * FROM A
LEFT JOIN B ON A.b_id = B.id AND B.tenant_id = -1
LEFT JOIN C ON A.c_id = C.id AND C.tenant_id = -1
WHERE 1=1 AND A.tenant_id = -1
优化后的查询语句:
SELECT * FROM A
LEFT JOIN B ON A.b_id = B.id
LEFT JOIN C ON A.c_id = C.id
WHERE 1=1 AND A.tenant_id = -1 AND B.tenant_id = -1 AND C.tenant_id = -1
性能差异原因解析
这两种写法在PostgreSQL数据库中的执行计划存在显著差异:
-
JOIN条件过滤方式:
- 第一种写法在JOIN操作时就应用了租户过滤条件
- 第二种写法在完成JOIN后才应用过滤条件
-
执行计划优化:
- PostgreSQL优化器对WHERE子句中的条件优化更好
- JOIN条件中的过滤可能无法有效利用索引
-
数据过滤时机:
- WHERE子句过滤发生在JOIN之后,但优化器可以智能地重写查询计划
- ON条件过滤可能限制了优化器的选择空间
MyBatis-Plus多租户实现机制
MyBatis-Plus通过拦截器自动添加租户条件,其默认实现会将租户条件添加到WHERE子句中。这种设计考虑了以下因素:
- 兼容性:WHERE子句过滤在大多数数据库中都表现良好
- 可预测性:执行计划相对稳定,不易受数据分布影响
- 索引利用:更容易利用租户ID字段上的索引
最佳实践建议
-
查询写法:
- 优先将租户条件放在WHERE子句中
- 避免在JOIN的ON条件中添加额外过滤
-
索引设计:
- 为租户ID字段创建独立索引
- 考虑创建复合索引(tenant_id, id)
-
MyBatis-Plus配置:
- 保持默认的多租户SQL重写策略
- 如需自定义,可继承TenantLineInnerInterceptor重写相关方法
-
大数据量优化:
- 考虑分页查询
- 添加合适的查询条件缩小结果集
- 对频繁查询的租户数据考虑缓存
总结
在MyBatis-Plus多租户应用中,查询性能优化需要综合考虑SQL写法、数据库特性和框架实现。通过理解不同查询写法的执行计划差异,开发人员可以避免类似性能问题,构建高效的多租户应用系统。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
5.02 K
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++
865
1.96 K
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++
692
1.36 K
Ascend Extension for PyTorch
Python
728
903
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
460
455
deepin linux kernel
C
32
16
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++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631