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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
649
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
649