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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
895
Ascend Extension for PyTorch
Python
505
610
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
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108