更加优雅的数据库查询

本文最后更新于 2024-02-05，距今已有 495 天，若文章内容或图片链接失效，请留言反馈。

更优雅的多表查询

数据库设计原则

三大范式：

在数据库设计中，范式是一种指导和规范数据库设计的原则，旨在减少数据冗余、维护数据一致性和提高数据结构的合理性。遵循范式可以确保数据库具有良好的性能、可扩展性和维护性。本文将介绍数据库设计范式的基本概念、为什么需要遵循它们，以及如何应用这些原则来设计数据库。
一、范式的基本概念
范式是在关系型数据库设计中定义数据库结构的一种方式。它基于函数依赖和多值依赖的概念，确保数据表中的数据满足一定的组织和结构要求。范式可以分为不同的级别，从低级到高级依次为：第一范式（1NF）、第二范式（2NF）、第三范式（3NF）、BCNF、第四范式（4NF）等。每个级别都要求满足特定的条件，以消除数据冗余、维护数据一致性和提高数据结构的合理性。
二、为什么需要遵循范式
遵循范式有很多好处。首先，它有助于减少数据冗余，从而节省存储空间和提高数据检索效率。其次，它有助于维护数据一致性，避免数据不一致和数据冲突的问题。此外，遵循范式还可以提高数据结构的合理性和可维护性，使数据库设计更加规范和易于理解。
三、如何应用范式原则设计数据库

第一范式（1NF）：确保每个列都是不可分割的最小单元，即原子性。这意味着每个字段都只包含一个值，没有重复的组或记录。
第二范式（2NF）：在1NF的基础上，消除部分依赖。这意味着将数据表按照关键字段进行分解，以消除非键字段对键的部分依赖。这样可以进一步减少数据冗余和提高数据结构的合理性。
第三范式（3NF）：在2NF的基础上，消除传递依赖。这意味着将数据表按照非键字段进行分解，以消除一个非键字段对另一个非键字段的传递依赖。这样可以进一步减少数据冗余和提高数据结构的合理性。
BCNF：在3NF的基础上，消除多值依赖和连接依赖。这意味着将数据表按照函数依赖进行分解，以消除多值依赖和连接依赖。这样可以进一步减少数据冗余和提高数据结构的合理性。
第四范式（4NF）：在BCNF的基础上，消除非平凡的函数依赖。这意味着将数据表按照非平凡的函数依赖进行分解，以消除非平凡的函数依赖。这样可以进一步减少数据冗余和提高数据结构的合理性。
在应用范式原则设计数据库时，需要仔细分析和评估每个级别的要求，并根据实际情况进行适当的分解和重组。同时，也需要考虑到性能和可维护性的因素，以确保数据库设计既合理又高效。
四、实践经验与建议
在实际应用中，遵循范式并不意味着每个数据表都必须严格满足每个级别的要求。有时候为了性能和可维护性的考虑，可能需要适当放宽某些要求。此外，对于某些复杂的数据关系和业务逻辑，可能需要在设计阶段就与业务人员和技术人员密切协作，共同讨论和确定最佳的设计方案。
总之，数据库设计范式是确保数据库结构合理、高效和可维护的重要原则。通过遵循这些原则并灵活运用它们，可以设计出高质量的数据库系统，从而为应用程序提供稳定、高效和可靠的数据支持。

数据关系

一对一：

  {
      "id": 111,
      "name": "qcqcqc",
      "companyId": 222,
      "company": {
          "id": 222,
          "name": "zust",
          "testId": 111,
          "test": {
              "id": 111,
              "name": "test"
          }
      }
  }

在这个json数据中，一个user对应一个company，一个company对应一个test

一对多

  {
      "id": 111,
      "name": "qcqcqc",
      "companyId": 222,
      "company": {
          "id": 222,
          "name": "zust",
          "tests": [
              {
                  "id": 555,
                  "name": "test3",
                  "companyId": 222
              },
              {
                  "id": 666,
                  "name": "test4",
                  "companyId": 222
              },
              {
                  "id": 777,
                  "name": "test5",
                  "companyId": 222
              }
          ]
      }
  }

在这个json数据中，companyId定义在test表内，一个company对应多个test

多对多

  {
      "id": 111,
      "name": "qcqcqc",
      "companyId": 222,
      "company": {
          "id": 222,
          "name": "zust",
          "testList": [
              {
                  "id": 111,
                  "name": "test",
              },
              {
                  "id": 222,
                  "name": "test2",
              },
              {
                  "id": 333,
                  "name": "test3",
              }
          ],
      }
  }

在这个json数据中，test内没有company的id，company内也没有test的id，而是通过关联表来查询二者关系并进行拼接
然后查询三张表来拼接数据

增强的Mybatisplus

在日常增删改查中，存在大量重复劳动，这种数据表拼接成最终数据的方式需要我们大量重复的编写查询和set代码，实在是繁琐

EnhanceService
实现了IService接口，实现与ServiceImpl相同的逻辑，但是增加了注解处理，可以使用我提供的注解来进行更加快速方便的查询

      public T getDeepSearch(T entity) {
          if (entity == null) {
              return null;
          }
          Class<?> aClass = entity.getClass();
          Field[] declaredFields = aClass.getDeclaredFields();
          for (Field declaredField : declaredFields) {
              if (declaredField.isAnnotationPresent(OtODeepSearch.class)) {
                  handleOtOAnnotation(entity, declaredField, aClass);
              }
              if (declaredField.isAnnotationPresent(MtMDeepSearch.class)) {
                  handleMtMAnnotation(entity, declaredField, aClass);
              }
              if (declaredField.isAnnotationPresent(OtMDeepSearch.class)) {
                  handleOtMAnnotation(entity, declaredField, aClass);
              }
          }
          return entity;
      }