MyBatis-Plus逻辑删除功能深度解析与配置建议
2025-05-13 20:56:05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
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-1.5暂无简介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
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
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
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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