Gin-Vue-Admin项目中getXXXDataSource接口的软删除记录问题分析
在Gin-Vue-Admin项目开发过程中,开发者可能会遇到一个关于数据源获取接口的典型问题:使用代码生成的getXXXDataSource接口会意外获取到已被软删除的记录。这个问题看似简单,但背后涉及GORM框架的使用细节和软删除机制的工作原理。
问题现象
当开发者使用自动生成的getXXXDataSource接口获取数据源时,发现返回结果中包含了本应被软删除的记录。例如,在获取应用列表时,即使某些应用记录已被标记为删除,它们仍然出现在下拉选项的数据源中。
原因分析
通过查看源码可以发现,问题的根源在于查询构建方式的选择。原代码使用了Table()方法直接指定表名进行查询:
global.MustGetGlobalDBByDBName("user_manager").Table("apps").Select("name as label,id as value").Scan(&appId)
这种写法绕过了GORM的模型关联机制,导致GORM无法自动应用软删除相关的查询条件。在GORM中,软删除功能是通过模型定义中的DeletedAt字段实现的,当使用Model()方法关联模型时,GORM会自动添加WHERE deleted_at IS NULL条件。
解决方案
正确的做法是使用Model()方法关联模型结构体,而非直接使用表名:
global.MustGetGlobalDBByDBName("user_manager").Model(&userManager.Apps{}).Select("name as label,id as value").Scan(&appId)
这种写法确保了GORM能够识别模型中的软删除标记,并自动过滤掉已被软删除的记录。
深入理解
-
GORM的软删除机制:GORM通过在模型结构体中嵌入
gorm.DeletedAt字段来实现软删除功能。当使用Delete()方法时,GORM不会真正删除记录,而是更新deleted_at字段为当前时间。 -
查询构建差异:
- 使用
Table()方法:直接操作数据库表,绕过GORM的模型关联和钩子机制 - 使用
Model()方法:关联模型结构体,启用GORM的全部功能,包括软删除过滤
- 使用
-
性能考量:虽然两种写法在性能上差异不大,但
Model()方法提供了更好的类型安全和功能完整性。
最佳实践建议
- 在Gin-Vue-Admin项目中,应始终优先使用
Model()方法而非Table()方法进行查询 - 对于需要包含软删除记录的特殊场景,可以使用
Unscoped()方法显式取消软删除过滤 - 在代码生成模板中,应考虑修改默认生成的查询逻辑以避免此问题
总结
这个案例展示了框架使用细节对系统行为的重要影响。作为开发者,理解ORM框架的工作原理和最佳实践至关重要。在Gin-Vue-Admin项目中正确使用GORM的查询构建方法,不仅能避免软删除记录泄露的问题,还能确保数据访问的一致性和安全性。
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 StartedRust0152- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112