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
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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
项目优选
收起
暂无描述
Dockerfile
710
4.51 K
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
578
99
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++
958
955
deepin linux kernel
C
28
16
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
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
414
339
暂无简介
Dart
952
235
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
12
2