在go-gorm/gen中使用原生SQL进行复杂查询
2025-07-01 02:56:47作者:廉彬冶Miranda
前言
在数据库操作中,有时会遇到一些复杂的查询场景,比如需要处理日期函数、自定义聚合或者特殊的字段转换。这些情况下,ORM自动生成的查询可能无法满足需求。本文将详细介绍如何在go-gorm/gen框架中使用原生SQL进行复杂查询。
基本概念
go-gorm/gen是基于GORM的代码生成工具,它提供了类型安全的查询构建方式。但在某些特殊场景下,我们仍然需要直接使用原生SQL来实现特定功能。
使用原生SQL的场景
- 需要使用数据库特定的函数(如YEAR、DATE_FORMAT等)
- 需要进行复杂的字段转换或计算
- 需要执行数据库特有的聚合操作
- 需要优化特定查询性能时
实现方式
1. 通过UnderlyingDB方法获取原生GORM实例
gen生成的DAO对象提供了UnderlyingDB方法,可以获取底层的*gorm.DB实例,从而使用GORM的所有原生功能。
type Result struct {
Id int
Year int
FirstName string
}
var result Result
author.WithContext(ctx).Where(author.ID.Eq(1)).UnderlyingDB().
Select([]string{
string(author.ID.ColumnName()),
"YEAR(CAST(birth_date as DATE)) as year",
"first_name",
}).Debug().Scan(&result)
2. 自定义Select字段
在Select方法中,可以混合使用gen生成的字段名和原生SQL表达式:
- 使用
string(author.ID.ColumnName())获取gen生成的字段名 - 直接写入原生SQL表达式,如
"YEAR(CAST(birth_date as DATE)) as year" - 也可以直接使用数据库字段名,如
"first_name"
3. 复杂查询示例
假设我们需要查询每年发布的文章数量:
type YearCount struct {
Year int
Count int
}
var results []YearCount
article.WithContext(ctx).UnderlyingDB().
Select("YEAR(CAST(release_time as DATE)) as year, COUNT(*) as count").
Group("year").
Scan(&results)
注意事项
- 使用原生SQL时要注意SQL注入风险,避免直接拼接用户输入
- 跨数据库兼容性问题:某些数据库函数可能在其他数据库中不可用
- 结果映射需要确保结构体字段与查询结果的列名匹配
- 对于复杂查询,建议添加适当的索引以提高性能
最佳实践
- 尽量将复杂SQL封装到模型方法中
- 为复杂查询编写单元测试
- 添加适当的注释说明查询目的
- 考虑使用数据库视图(View)来简化复杂查询
通过合理使用原生SQL,我们可以在保持go-gorm/gen类型安全优势的同时,处理各种复杂的查询需求。
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 StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
494
515
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++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 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++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
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。
Markdown
1.26 K
808
CANN 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 Notebook
647
284