Doctrine DBAL QueryBuilder 新增 UNION 操作支持的技术解析
2025-05-24 21:23:35作者:史锋燃Gardner
背景与需求分析
在数据库查询中,UNION 操作符是一个非常重要的功能,它允许开发者将多个 SELECT 语句的结果集合并为一个结果集。虽然所有主流数据库都支持 UNION 操作,但 Doctrine DBAL 的 QueryBuilder 长期以来缺乏对这一功能的原生支持。
UNION 操作的基本原理
UNION 操作遵循几个基本原则:
- 每个参与 UNION 的 SELECT 语句必须返回相同数量的列
- 对应位置的列必须具有兼容的数据类型
- 列名通常取自第一个 SELECT 语句
- 默认情况下,UNION 会去除重复行(DISTINCT),而 UNION ALL 会保留所有行
Doctrine DBAL 的实现方案
Doctrine DBAL 团队为 QueryBuilder 添加了完整的 UNION 支持,主要包含以下技术实现:
核心架构变更
- 新增 QueryType::UNION 枚举类型,用于标识 UNION 查询
- 引入 UnionQuery 作为数据传输对象(DTO)
- 扩展 getSQL() 方法以支持 UNION 查询类型
- 新增 getSQLForUnion() 方法作为 UNION SQL 生成入口
新增 API 方法
// 设置或重置 UNION 部分
$qb->union(string|QueryBuilder ...$unionParts);
// 追加 UNION 部分
$qb->addUnion(string|QueryBuilder ...$unionParts);
// 控制 UNION 类型(DISTINCT 或 ALL)
$qb->distinct(true); // UNION DISTINCT
$qb->distinct(false); // UNION ALL
SQL 生成机制
- 新增 UnionSQLBuilder 接口定义
- 提供 DefaultUnionSQLBuilder 默认实现
- 通过 AbstractPlatform::createUnionSQLBuilder() 获取具体实现
实际应用示例
基本 UNION ALL 查询
$qb = $connection->createQueryBuilder();
$qb->union(
'SELECT 2 AS field_one',
'SELECT 1 AS field_one'
)
->addUnion('SELECT 4 AS field_one')
->addUnion('SELECT 3 AS field_one')
->orderBy('field_one', 'ASC')
->setMaxResults(1)
->setFirstResult(1);
使用 QueryBuilder 子查询
$unionQb = $connection->createQueryBuilder();
$sub1 = $connection->createQueryBuilder();
$sub1->select('id')->from('a_table')
->where('id = :param1')
->setParameter('param1', 2);
$sub2 = $connection->createQueryBuilder();
$sub2->select('id')->from('a_table')
->where('id = :param2')
->setParameter('param2', 1);
$result = $unionQb
->union($sub1)
->addUnion($sub2)
->orderBy('id', 'ASC')
->executeQuery()
->fetchAllAssociative();
技术实现细节
- 参数处理:支持将 QueryBuilder 实例作为 UNION 部分时自动处理参数绑定
- 类型安全:确保所有 UNION 部分的列数量和类型兼容
- 平台适配:通过抽象工厂模式允许不同数据库平台提供特定实现
- 查询优化:自动处理 ORDER BY 和 LIMIT 子句的位置关系
开发者注意事项
- 使用 UNION 时不能在子查询中包含 ORDER BY 子句(MySQL 除外)
- 所有 UNION 部分的列名必须匹配或兼容
- 参数绑定在转换为 UNION 查询时会自动处理
- 结果集的排序和分页应在最外层查询中指定
这一功能的加入显著增强了 Doctrine DBAL QueryBuilder 的表达能力,使开发者能够更灵活地构建复杂查询,同时保持类型安全和跨数据库兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137