MyBatis-Plus逻辑删除功能深度解析与配置建议
2025-05-13 16:58:04作者:昌雅子Ethen
MyBatis-Plus作为MyBatis的增强工具,提供了许多便捷功能,其中逻辑删除是一个被广泛使用的特性。本文将深入分析逻辑删除的实现机制,探讨其在实际应用中的配置与使用场景。
逻辑删除的核心机制
逻辑删除的本质是通过更新操作而非物理删除来实现数据"删除"效果。MyBatis-Plus通过以下方式实现这一功能:
- 自动SQL改写:当启用逻辑删除后,所有的删除操作(deleteById等)会被自动改写为update语句
- 查询过滤:默认情况下,所有查询操作都会自动添加
deleted = 0条件
这种设计遵循了"约定优于配置"的原则,开发者只需简单配置即可获得完整功能。
配置参数详解
MyBatis-Plus提供了以下关键配置项:
mybatis-plus:
global-config:
db-config:
logic-delete-field: deleted # 逻辑删除字段名
logic-delete-value: 1 # 已删除值
logic-not-delete-value: 0 # 未删除值
这些配置项共同决定了逻辑删除的行为模式,开发者可以根据实际数据库设计进行调整。
业务场景分析
在实际业务中,存在多种需要处理逻辑删除数据的场景:
- 常规业务查询:大多数情况下只需要查询有效数据(deleted=0)
- 回收站功能:需要查询已删除数据供恢复使用
- 数据统计分析:可能需要包含历史删除数据
- 审计追踪:需要查看完整数据变更历史
高级使用建议
对于需要灵活控制是否过滤已删除数据的场景,可以考虑以下解决方案:
- 自定义SQL:在需要查询已删除数据时,使用原生SQL或XML映射文件
- 条件构造器:通过Wrapper手动控制是否添加删除条件
- 继承扩展:自定义BaseMapper实现,添加包含删除数据的方法
- 注解控制:使用@SqlParser注解临时关闭逻辑删除过滤
最佳实践
- 对于核心业务表,建议启用逻辑删除
- 对于关联关系表或临时数据表,可考虑使用物理删除
- 在需要查询已删除数据的场景,明确使用特定方法名如
selectAllIncludingDeleted - 在报表统计等场景,根据业务需求决定是否包含已删除数据
MyBatis-Plus的逻辑删除功能虽然默认行为固定,但通过合理的架构设计和代码组织,完全可以满足各种复杂业务场景的需求。理解其底层机制有助于开发者做出更合适的技术决策。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492