1、@TableName

經(jīng)過以上的測試，在使用MyBatis-Plus實(shí)現(xiàn)基本的CRUD時(shí)，我們并沒有指定要操作的表，只是在
Mapper接口繼承BaseMapper時(shí)，設(shè)置了泛型User，而操作的表為user表。
由此得出結(jié)論，MyBatis-Plus在確定操作的表時(shí)，由BaseMapper的泛型決定，即實(shí)體類型決
定，且默認(rèn)操作的表名和實(shí)體類型的類名一致。

a>問題

若實(shí)體類類型的 類名 和要操作的表的 表名不一致 ，會(huì)出現(xiàn)什么問題？
我們將表user更名為t_user，測試查詢功能
此時(shí)程序會(huì)報(bào)錯(cuò)
Cause: java.sql.SQLSyntaxErrorException: Table 'mybatis_plus.user' doesn't exist
因?yàn)楝F(xiàn)在的表名為t_user，而默認(rèn)操作 的表名和實(shí)體類型的類名一致，即user表。

b>通過@TableName解決問題（推薦）

在實(shí)體類類型上添加@TableName("t_user")，標(biāo)識(shí)實(shí)體類對應(yīng)的表，即可成功執(zhí)行SQL語句

 c>通過全局配置解決問題（了解）

在開發(fā)的過程中，我們經(jīng)常遇到以上的問題，即實(shí)體類所對應(yīng)的表都有固定的前綴，例如t_或tbl_ 此時(shí)，可以使用MyBatis-Plus提供的全局配置，為實(shí)體類所對應(yīng)的表名設(shè)置默認(rèn)的前綴，那么就 不需要在每個(gè)實(shí)體類上通過@TableName標(biāo)識(shí)實(shí)體類對應(yīng)的表 。

2、@TableId

經(jīng)過以上的測試，MyBatis-Plus在實(shí)現(xiàn)CRUD時(shí)，會(huì)默認(rèn)將id作為主鍵列，并在插入數(shù)據(jù)時(shí)，默認(rèn) 基于雪花算法的策略生成id 。

a>問題

若實(shí)體類和表中表示主鍵的不是id，而是其他字段，例如uid，MyBatis-Plus會(huì)自動(dòng)識(shí)別uid為主 鍵列嗎？ 我們實(shí)體類中的屬性id改為uid，將表中的字段id也改為uid，測試添加功能。  Cause: java.sql.SQLException: Field 'uid' doesn't have a default value 說明MyBatis-Plus沒有將uid作為主鍵賦值。

b>通過@TableId解決問題

在實(shí)體類中uid屬性上通過@TableId將其標(biāo)識(shí)為主鍵，即可成功執(zhí)行SQL語句 。

c>@TableId的value屬性

若實(shí)體類中主鍵對應(yīng)的屬性為id，而表中表示主鍵的字段為uid，此時(shí)若只在屬性id上添加注解 @TableId，則拋出異常Unknown column 'id' in 'field list'，即MyBatis-Plus仍然會(huì)將id作為表的 主鍵操作，而表中表示主鍵的是字段uid 此時(shí)需要通過@TableId注解的value屬性，指定表中的主鍵字段，@TableId("uid")或 @TableId(value="uid")

 d>@TableId的type屬性

 e>雪花算法

背景

需要選擇合適的方案去應(yīng)對數(shù)據(jù)規(guī)模的增長，以應(yīng)對逐漸增長的訪問壓力和數(shù)據(jù)量。 數(shù)據(jù)庫的擴(kuò)展方式主要包括：業(yè)務(wù)分庫、主從復(fù)制，數(shù)據(jù)庫分表。 數(shù)據(jù)庫分表 將不同業(yè)務(wù)數(shù)據(jù)分散存儲(chǔ)到不同的數(shù)據(jù)庫服務(wù)器，能夠支撐百萬甚至千萬用戶規(guī)模的業(yè)務(wù)，但如果業(yè)務(wù) 繼續(xù)發(fā)展，同一業(yè)務(wù)的單表數(shù)據(jù)也會(huì)達(dá)到單臺(tái)數(shù)據(jù)庫服務(wù)器的處理瓶頸。例如，淘寶的幾億用戶數(shù)據(jù)， 如果全部存放在一臺(tái)數(shù)據(jù)庫服務(wù)器的一張表中，肯定是無法滿足性能要求的，此時(shí)就需要對單表數(shù)據(jù)進(jìn) 行拆分。 單表數(shù)據(jù)拆分有兩種方式：垂直分表和水平分表。示意圖如下：

 垂直分表

垂直分表適合將表中某些不常用且占了大量空間的列拆分出去。
例如，前面示意圖中的 nickname 和 description 字段，假設(shè)我們是一個(gè)婚戀網(wǎng)站，用戶在篩選其他用 戶的時(shí)候，主要是用 age 和 sex 兩個(gè)字段進(jìn)行查詢，而 nickname 和 description 兩個(gè)字段主要用于展 示，一般不會(huì)在業(yè)務(wù)查詢中用到。description 本身又比較長，因此我們可以將這兩個(gè)字段獨(dú)立到另外 一張表中，這樣在查詢 age 和 sex 時(shí)，就能帶來一定的性能提升。

水平分表

水平分表適合表行數(shù)特別大的表，有的公司要求單表行數(shù)超過 5000 萬就必須進(jìn)行分表，這個(gè)數(shù)字可以 作為參考，但并不是絕對標(biāo)準(zhǔn)，關(guān)鍵還是要看表的訪問性能。對于一些比較復(fù)雜的表，可能超過 1000 萬就要分表了；而對于一些簡單的表，即使存儲(chǔ)數(shù)據(jù)超過 1 億行，也可以不分表。
但不管怎樣，當(dāng)看到表的數(shù)據(jù)量達(dá)到千萬級別時(shí)，作為架構(gòu)師就要警覺起來，因?yàn)檫@很可能是架構(gòu)的性 能瓶頸或者隱患。 水平分表相比垂直分表，會(huì)引入更多的復(fù)雜性，例如要求全局唯一的數(shù)據(jù)id該如何處理。

主鍵自增

①以最常見的用戶 ID 為例，可以按照 1000000 的范圍大小進(jìn)行分段，1 ~ 999999 放到表 1中， 1000000 ~ 1999999 放到表2中，以此類推。

②復(fù)雜點(diǎn)：分段大小的選取。分段太小會(huì)導(dǎo)致切分后子表數(shù)量過多，增加維護(hù)復(fù)雜度；分段太大可能會(huì) 導(dǎo)致單表依然存在性能問題，一般建議分段大小在 100 萬至 2000 萬之間，具體需要根據(jù)業(yè)務(wù)選取合適 的分段大小。

③優(yōu)點(diǎn)：可以隨著數(shù)據(jù)的增加平滑地?cái)U(kuò)充新的表。例如，現(xiàn)在的用戶是 100 萬，如果增加到 1000 萬， 只需要增加新的表就可以了，原有的數(shù)據(jù)不需要?jiǎng)印?/p>

④缺點(diǎn)：分布不均勻。假如按照 1000 萬來進(jìn)行分表，有可能某個(gè)分段實(shí)際存儲(chǔ)的數(shù)據(jù)量只有 1 條，而 另外一個(gè)分段實(shí)際存儲(chǔ)的數(shù)據(jù)量有 1000 萬條。

取模

①同樣以用戶 ID 為例，假如我們一開始就規(guī)劃了 10 個(gè)數(shù)據(jù)庫表，可以簡單地用 user_id % 10 的值來 表示數(shù)據(jù)所屬的數(shù)據(jù)庫表編號(hào)，ID 為 985 的用戶放到編號(hào)為 5 的子表中，ID 為 10086 的用戶放到編號(hào) 為 6 的子表中。

②復(fù)雜點(diǎn)：初始表數(shù)量的確定。表數(shù)量太多維護(hù)比較麻煩，表數(shù)量太少又可能導(dǎo)致單表性能存在問題。

③優(yōu)點(diǎn)：表分布比較均勻。

④缺點(diǎn)：擴(kuò)充新的表很麻煩，所有數(shù)據(jù)都要重分布。

雪花算法

雪花算法是由Twitter公布的分布式主鍵生成算法，它能夠保證不同表的主鍵的不重復(fù)性，以及相同表的 主鍵的有序性。

①核心思想：

長度共64bit（一個(gè)long型）。 首先是一個(gè)符號(hào)位，1bit標(biāo)識(shí)，由于long基本類型在Java中是帶符號(hào)的，最高位是符號(hào)位，正數(shù)是0，負(fù) 數(shù)是1，所以id一般是正數(shù)，最高位是0。

41bit時(shí)間截(毫秒級)，存儲(chǔ)的是時(shí)間截的差值（當(dāng)前時(shí)間截 - 開始時(shí)間截)，結(jié)果約等于69.73年。 10bit作為機(jī)器的ID（5個(gè)bit是數(shù)據(jù)中心，5個(gè)bit的機(jī)器ID，可以部署在1024個(gè)節(jié)點(diǎn)）。 12bit作為毫秒內(nèi)的流水號(hào)（意味著每個(gè)節(jié)點(diǎn)在每毫秒可以產(chǎn)生 4096 個(gè) ID）。

②優(yōu)點(diǎn)：整體上按照時(shí)間自增排序，并且整個(gè)分布式系統(tǒng)內(nèi)不會(huì)產(chǎn)生ID碰撞，并且效率較高。  

3、@TableField

經(jīng)過以上的測試，我們可以發(fā)現(xiàn)，MyBatis-Plus在執(zhí)行SQL語句時(shí)，要保證實(shí)體類中的屬性名和 表中的字段名一致 。 如果實(shí)體類中的屬性名和字段名不一致的情況，會(huì)出現(xiàn)什么問題呢？

a>情況1

若實(shí)體類中的屬性使用的是駝峰命名風(fēng)格，而表中的字段使用的是下劃線命名風(fēng)格。 例如實(shí)體類屬性userName，表中字段user_name。 此時(shí)MyBatis-Plus會(huì)自動(dòng)將下劃線命名風(fēng)格轉(zhuǎn)化為駝峰命名風(fēng)格。 相當(dāng)于在MyBatis中配置。

b>情況2

若實(shí)體類中的屬性和表中的字段不滿足情況1。 例如實(shí)體類屬性name，表中字段username。 此時(shí)需要在實(shí)體類屬性上使用@TableField("username")設(shè)置屬性所對應(yīng)的字段名。

4、@TableLogic  

a>邏輯刪除

物理刪除：真實(shí)刪除，將對應(yīng)數(shù)據(jù)從數(shù)據(jù)庫中刪除，之后查詢不到此條被刪除的數(shù)據(jù)。 邏輯刪除：假刪除，將對應(yīng)數(shù)據(jù)中代表是否被刪除字段的狀態(tài)修改為“被刪除狀態(tài)”，之后在數(shù)據(jù)庫中仍舊能看到此條數(shù)據(jù)記錄。 使用場景：可以進(jìn)行數(shù)據(jù)恢復(fù)。

b>實(shí)現(xiàn)邏輯刪除

step1：數(shù)據(jù)庫中創(chuàng)建邏輯刪除狀態(tài)列，設(shè)置默認(rèn)值為0

 step2：實(shí)體類中添加邏輯刪除屬性

 step3：測試

刪除的方法

   @Test
    public void testDelete(){
        int i = userMapper.deleteById(2L);//根據(jù)主鍵id進(jìn)行刪除
        System.out.println(i);
        
    }

其sql語句不是delete而是改成了update

UPDATE t_user SET is_deleted=1 WHERE uid=? AND is_deleted=0

數(shù)據(jù)庫中我們可以看到確實(shí)修改了

 查詢的方法

   @Test
    public void testSelectList(){
        List<User> userList = userMapper.selectList(null);
//       這個(gè)地方的輸出是使用的Java8新特性的方法引用，如果想學(xué)習(xí)Java8新特性的可以看我前面
//        介紹的有關(guān)Java8新特性的介紹
        userList.forEach(System.out::println);
    }

其sql語句是

SELECT uid AS id,name,age,email,is_deleted FROM t_user WHERE is_deleted=0

自動(dòng)過濾掉邏輯刪除的了。

到此這篇關(guān)于mybatis plus常用注解的具體使用的文章就介紹到這了,更多相關(guān)mybatis plus常用注解內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論