GORM Gen 中 OR 条件查询的正确使用方式
2025-07-01 16:16:36作者:宣海椒Queenly
在使用 GORM Gen 进行数据库查询时,开发者经常会遇到需要构建复杂查询条件的情况,特别是需要组合 AND 和 OR 条件的场景。本文将通过一个典型示例,深入分析如何正确使用 GORM Gen 构建包含 OR 条件的查询。
问题背景
假设我们有一个数据结构表示某个资源的生命周期:
type MyStruct struct {
StartTime time.Time
DecommissionTime *time.Time
}
业务需求是查询在指定时间点(如2023-01-01 00:00:00)有效的所有记录。有效的定义是:
- 记录的开始时间早于查询时间点
- 记录要么未被停用(DecommissionTime为NULL),要么停用时间晚于查询时间点
对应的SQL应该是:
SELECT count(*) FROM "my_structs" WHERE
("decommission_time" IS NULL OR "decommission_time" > '2023-01-01 00:00:00')
AND "start_time" < '2023-01-01 00:00:00'
常见错误实现
许多开发者会尝试以下方式构建查询:
var conditions = make([]gen.Condition, 2)
conditions = append(conditions, query.MyStruct.Or(
query.MyStruct.DecommissionTime.IsNull(),
query.MyStruct.DecommissionTime.Gt(period.StartTime)
))
conditions = append(conditions, query.MyStruct.DeployTime.Lt(*period.EndTime))
return query.MyStruct.Debug().Where(conditions...).Count()
但实际生成的SQL却是:
SELECT count(*) FROM "my_structs" WHERE
"my_structs"."decommission_time" IS NULL
AND "my_structs"."decommission_time" > '2023-01-01 00:00:00'
AND "my_structs"."deploy_time" < '2023-01-01 00:00:00'
这显然不符合预期,所有条件都被AND连接起来了。
问题根源分析
通过查看GORM Gen的源代码,可以发现Or方法的实现方式导致了这个问题。在底层,它使用了clause.Or包裹clause.And,这种嵌套方式实际上无法实现真正的OR条件组合。
正确实现方式
GORM Gen提供了更直观的条件组合方式,可以更清晰地表达查询意图:
query.MyStruct.Where(
// 第一个条件组,内部使用OR连接
query.MyStruct.
Where(query.MyStruct.DecommissionTime.IsNull()).
Or(query.MyStruct.DecommissionTime.Gt(period.StartTime)),
// 第二个条件,与前一个条件组用AND连接
query.MyStruct.DeployTime.Lt(*period.EndTime)
).Count()
这种方式生成的SQL正是我们期望的:
SELECT count(*) FROM "my_structs" WHERE
("decommission_time" IS NULL OR "decommission_time" > '2023-01-01 00:00:00')
AND "start_time" < '2023-01-01 00:00:00'
最佳实践建议
- 条件分组:使用Where方法创建条件组,组内条件默认使用AND连接
- 显式OR:在需要OR连接的条件上明确使用Or方法
- 链式调用:利用GORM Gen的链式调用特性,使查询构建更加清晰
- 调试输出:在复杂查询中使用Debug()方法查看生成的SQL,验证是否符合预期
通过理解GORM Gen的条件组合机制,开发者可以构建出各种复杂的查询条件,满足业务需求的同时保持代码的可读性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
644
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
249
317
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
9
1
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873