Tortoise ORM中update_or_create方法的使用场景与最佳实践
2025-06-09 12:51:24作者:袁立春Spencer
概述
在数据库操作中,"更新或创建"(update_or_create)是一个常见的需求模式。Tortoise ORM作为Python生态中优秀的异步ORM框架,提供了update_or_create这一便捷方法。本文将深入探讨该方法的设计原理、使用场景以及在实际开发中的最佳实践。
方法原理
Tortoise ORM的update_or_create方法设计灵感来源于Django ORM,其核心逻辑是:
- 首先尝试根据查询条件查找记录
- 如果记录存在,则使用defaults参数更新记录
- 如果记录不存在,则创建新记录
方法签名如下:
@classmethod
async def update_or_create(
cls: Type[MODEL],
defaults: Optional[dict] = None,
using_db: Optional[BaseDBAsyncClient] = None,
**kwargs: Any,
) -> Tuple[MODEL, bool]:
典型使用场景
基础用法
最常见的用法是当需要确保某条记录存在时,无论它是需要创建还是更新:
user, created = await SysUser.update_or_create(
username="john_doe",
defaults={"age": 30, "email": "john@example.com"}
)
用户登录场景
在用户认证系统中,经常需要在用户首次登录时创建记录,后续登录时更新最后登录时间等信息:
user, created = await User.update_or_create(
username=username,
defaults={"last_login": datetime.now()}
)
常见误区与解决方案
关于defaults参数的误解
开发者常误以为defaults参数与模型字段的default属性相关,实际上:
- defaults参数仅用于指定更新或创建时要设置的字段值
- 模型字段的default属性是在创建记录时未显式指定值时的默认值
部分字段更新问题
当只需要更新部分字段而保留其他字段不变时,最佳实践是:
- 显式指定需要更新的字段到defaults参数中
- 避免直接将整个模型实例传入defaults
# 推荐做法 - 只更新需要变更的字段
await User.update_or_create(
username=username,
defaults={"department": new_department}
)
# 不推荐做法 - 可能意外覆盖其他字段
await User.update_or_create(
username=username,
defaults=user.dict() # 可能包含不应更新的字段
)
高级使用建议
事务处理
update_or_create内部使用了事务保证操作的原子性。在需要更大范围的事务控制时,可以:
async with in_transaction():
user, created = await User.update_or_create(...)
# 其他相关操作
性能考量
对于高频调用的场景,建议:
- 明确指定查询条件的索引字段
- 限制defaults中的字段数量,只包含必要字段
- 考虑批量操作替代频繁的单条操作
替代方案
在某些复杂场景下,update_or_create可能不够灵活,此时可以考虑:
- 先查询后判断的显式流程
user = await User.filter(username=username).first()
if user:
await user.update_from_dict(update_fields).save()
else:
user = await User.create(**create_fields)
- 使用原生SQL或批量操作提高性能
总结
Tortoise ORM的update_or_create方法为常见的"存在则更新,不存在则创建"场景提供了简洁的解决方案。理解其设计原理和适用场景,结合具体业务需求合理使用,可以显著提高开发效率。在复杂业务逻辑中,适当采用显式流程可能更有利于维护性和灵活性。
开发者应根据实际场景选择最适合的方案,平衡代码简洁性、性能需求和业务逻辑复杂度。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
288
340
Ascend Extension for PyTorch
Python
290
321
暂无简介
Dart
730
175
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
10
1
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
245
105
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++
850
449
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
20
仓颉编程语言运行时与标准库。
Cangjie
149
885