Mybatis-Plus基础功能测试使用

Author：钟小湖
发布时间：March 29, 2020
647views
No comments
9380 words
Categories：编程杂记 Java

[tip type="warning"]
该文章持续不定期更新中，最后一次更新于2020年6月22日
[/tip]

Mapper层接口

Service层接口

说明:
通用 Service CRUD 封装IService接口，进一步封装 CRUD 采用 get 查询单行 remove 删除 list 查询集合 page 分页 前缀命名方式区分 Mapper 层避免混淆，
泛型 T 为任意实体对象
建议如果存在自定义通用 Service 方法的可能，请创建自己的 IBaseService 继承 Mybatis-Plus 提供的基类
对象 Wrapper 为条件构造器

插入数据

在此之前，请务必开启日志配置。

添加测试方法，我们不设置id，看看会不会报错。

@Test
    public void testInsert(){
        User user = new User();
        user.setName("乐心湖");
        user.setAge(18);
        user.setEmail("jialna@qq.com");
        int insert = userMapper.insert(user);
        System.out.println(insert);
        System.out.println(user);
    }

我们看到插入成功了，观察控制台中的sql语句，发现它自动给我们生成了一个id。

这就是下面说的雪花算法。

主键生成策略

推荐阅读：分布式系统唯一id生成：https://www.cnblogs.com/haoxinyue/p/5208136.html

自3.3.0开始,默认使用雪花算法+UUID(不含中划线)；

~~mybaits-plus中默认的使用的是ID_WORKER，即@TableId(type = IdType.ID_WORKER)使用的是雪花算法生成，全局唯一id。~~当然我们也可以自己修改主键生成策略，如主键自增。

雪花算法

snowflflake是Twitter开源的分布式ID生成算法，结果是一个long型的ID。其核心思想是：使用41bit作为毫秒数，10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID），12bit作为毫秒内的流水号（意味着每个节点在每毫秒可以产生 4096 个 ID），最后还有一个符号位，永远是0。可以保证几乎全球唯一！

主键自增

我们首先需要在User中对id主键开启自增，然后在User类里的id属性添加一个注解。

@TableId(type = IdType.AUTO)

@TableId

值	描述
AUTO	数据库自增
NONE	MP set 主键，雪花算法实现
INPUT	需要开发者手动赋值
ASSIGN_ID	MP 分配 ID，Long、Integer、String
ASSIGN_UUID	分配 UUID，Strinig

INPUT 如果开发者没有手动赋值，则数据库通过自增的方式给主键赋值，如果开发者手动赋值，则存入该值。

AUTO 默认就是数据库自增，开发者无需赋值。

ASSIGN_ID MP 自动赋值，雪花算法。

ASSIGN_UUID 主键的数据类型必须是 String，自动生成 UUID 进行赋值

UUID

~~这需要你的id为String，也就是数据库id改为varchar类型。~~

~~生成一个全局唯一的id，带字母和数字。~~

换了。。。现在叫ASSIGN_UUID

方法	主键生成策略	主键类型	说明
nextId	ASSIGN_ID，~~ID_WORKER，ID_WORKER_STR~~	Long,Integer,String	支持自动转换为String类型，但数值类型不支持自动转换，需精准匹配，例如返回Long，实体主键就不支持定义为Integer
nextUUID	ASSIGN_UUID，~~UUID~~	String	默认不含中划线的UUID生成

public enum IdType { 

    AUTO(0), // 数据库id自增 

    NONE(1), // 未设置主键 

    INPUT(2), // 手动输入 

    ASSIGN_ID(3), // 默认的全局唯一id 

    ASSIGN_UUID(4), // 全局唯一id uuid 

}

更新数据

    @Test
    public void testUpdate() {
        User user = new User();
        //通过条件自动拼接动态sql 
        user.setId(6);
        user.setName("乐心湖666");
        user.setAge(18);
        //注意：updateById 但是参数是一个 对象！ 
        int i = userMapper.updateById(user);
        System.out.println(i);
    }

自动填充

参考：https://mp.baomidou.com/guide/auto-fill-metainfo.html

我们在数据库表中经常会有两个字段，分别是create_time和update_time，对应创建时间和更新时间

我们有两种操作，一个是在数据库操作，一个是在代码中操作，前者不推荐！

数据库操作（不建议）

类型为datetime
默认为：CURRENT_TIMESTAMP
勾选上自动更新

代码操作

Mybatis-Plus 时间自动填充

乐观锁

需求：当要更新一条记录的时候，希望这条记录没有被别人更新

我们使用一个场景来帮助理解

场景

一件商品，成本价是80元，售价是100元。老板先是通知小李，说你去把商品价格增加50元。小李正在玩游戏，耽搁了一个小时。正好一个小时后，老板觉得商品价格增加到150元，价格太高，可能会影响销量。又通知小王，你把商品价格降低30元。
此时，小李和小王同时操作商品后台系统。小李操作的时候，系统先取出商品价格100元；小王也在操作，取出的商品价格也是100元。小李将价格加了50元，并将100+50=150元存入了数据库；小王将商品减了30元，并将100-30=70元存入了数据库。是的，如果没有锁，小李的操作就完全被小王的覆盖了。

现在商品价格是70元，比成本价低10元。几分钟后，这个商品很快出售了1千多件商品，老板亏1多万。

乐观锁与悲观锁

上面的故事，如果是乐观锁，小王保存价格前，会检查下价格是否被人修改过了。如果被修改过了，则重新取出的被修改后的价格，150元，这样他会将120元存入数据库。

如果是悲观锁，小李取出数据后，小王只能等小李操作完之后，才能对价格进行操作，也会保证最终的价格是120元。

乐观锁实现方式：

取出记录时，获取当前version
更新时，带上这个version
执行更新时， set version = newVersion where version = oldVersion
如果version不对，就更新失败

简单理解就是在多线程的时候，如果需要去更新一条数据的时候刚好这条数据被别人更新了，版本验证不对，就更新失败。

示例SQL原理：

update tbl_user set name = 'update',version = 3 where id = 100 and version = 2

数据库操作

在表中建立一个字段，叫version，默认为1，注释为乐观锁

插件配置

@Configuration
public class MybatisPlusConfig {

    @Bean
    public OptimisticLockerInterceptor optimisticLockerInterceptor() {
        return new OptimisticLockerInterceptor();
    }
}

在User类中加入version字段，并且必须带上注解@Version

@Version
private Integer version;

测试

    @Test
    public void testUpdate(){
        User user = userMapper.selectById(12L);
        user.setAge(11);
        userMapper.updateById(user);
    }

特别说明：

支持的数据类型只有:int,Integer,long,Long,Date,Timestamp,LocalDateTime
整数类型下 newVersion = oldVersion + 1
newVersion 会回写到 entity 中
仅支持 updateById(id) 与 update(entity, wrapper) 方法
在 update(entity, wrapper) 方法下, wrapper 不能复用!!!

查询数据

Id查询

    @Test
    public void testSelectById(){
        User user = userMapper.selectById(12);
        System.out.println(user);
    }

Id批量查询

    @Test
    public void testSelect(){
        List<User> users = userMapper.selectBatchIds(Arrays.asList(1,12));
        System.out.println("------------------------");
        users.forEach(System.out::println);
    }

Map查询

比如当我们想查年龄为16岁的人

    @Test
    public void testSelectByBatchIds(){
        HashMap<String, Object> map = new HashMap<>();
        map.put("name","乐心湖是小白");
        map.put("id","12");
        List<User> users = userMapper.selectByMap(map);
        users.forEach(System.out::println);
    }

分页查询

一个非常常用的功能，在MP中能够非常非常简单就帮你搞定。

写一个配置类。

//Spring boot方式
@EnableTransactionManagement
@Configuration
@MapperScan("com.baomidou.cloud.service.*.mapper*")
public class MybatisPlusConfig {

    @Bean
    public PaginationInterceptor paginationInterceptor() {
        PaginationInterceptor paginationInterceptor = new PaginationInterceptor();
        // 设置请求的页面大于最大页后操作， true调回到首页，false 继续请求  默认false
        // paginationInterceptor.setOverflow(false);
        // 设置最大单页限制数量，默认 500 条，-1 不受限制
        // paginationInterceptor.setLimit(500);
        // 开启 count 的 join 优化,只针对部分 left join
        paginationInterceptor.setCountSqlParser(new JsqlParserCountOptimize(true));
        return paginationInterceptor;
    }
}

测试第二页的4条记录，效果立竿见影。

注意：查询出来的结果自动返回到了page里，不需要我们重新定义去接收查询结果。

建议：仔细查看官方关于分页的介绍和案例，具体开发实战并不会在这里测试。

    @Test
    public void testSelectPage(){
        /**
         * current: 第几页
         * size：每页的数量
         */
        Page<User> page = new Page<>(2, 4);
        userMapper.selectPage(page, null);
        for (User user : page.getRecords()) {
            System.out.println(user);
        }
    }

删除数据

Id删除

    @Test
    public void testDeleteById(){
        userMapper.deleteById(1243823657826996248L);
    }

Map删除

    @Test
    public void testDeleteByMap(){
        HashMap<String, Object> map = new HashMap<>();
        map.put("name","乐心湖是小白");
        userMapper.deleteByMap(map);
    }

Id批量删除

@Test public void testDeleteBatchId(){
    userMapper.deleteBatchIds(Arrays.asList(1240620674645544961L,124062067464554496 2L));
    
}

逻辑删除

物理删除：从数据库中直接移除
逻辑删除：在数据库中没有真的被移除，而是通过一个变量来让他失效
deleted = 0 ——> deleted = 1
管理员可以查看被删除的记录，防止数据的丢失，类似于回收站的功能。

在数据表中增加一个deleted字段，默认为0

SpringBoot 配置方式：

application.yml 加入配置(如果你的默认值和mp默认的一样,该配置可无):

mybatis-plus:
  global-config:
    db-config:
      logic-delete-field: flag  #全局逻辑删除字段值 3.3.0开始支持，详情看下面。
      logic-delete-value: 1 # 逻辑已删除值(默认为 1)
      logic-not-delete-value: 0 # 逻辑未删除值(默认为 0)

实体类字段上加上@TableLogic注解

@TableLogic
private Integer deleted;

效果: 使用mp自带方法删除和查找都会附带逻辑删除功能 (自己写的xml不会)

example
删除时 update user set deleted=1 where id =1 and deleted=0
查找时 select * from user where deleted=0

全局逻辑删除：3.3.0开始支持

如果公司代码比较规范，比如统一了全局都是flag为逻辑删除字段。

使用此配置则不需要在实体类上添加 @TableLogic。

但如果实体类上有 @TableLogic 则以实体上的为准，忽略全局。即先查找注解再查找全局，都没有则此表没有逻辑删除。

mybatis-plus:
  global-config:
    db-config:
      logic-delete-field: flag  #全局逻辑删除字段值

附件说明

逻辑删除是为了方便数据恢复和保护数据本身价值等等的一种方案，但实际就是删除。
如果你需要再查出来就不应使用逻辑删除，而是以一个状态去表示。

如：员工离职，账号被锁定等都应该是一个状态字段，此种场景不应使用逻辑删除。

若确需查找删除数据，如老板需要查看历史所有数据的统计汇总信息，请单独手写sql。

版权属于：乐心湖's Blog
本文链接：https://www.xn2001.com/archives/419.html
声明：博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议，转载请注明出处！

腾讯云社区邀请各位技术博主加入，福利多多噢！

Last modification：June 22nd, 2020 at 11:45 pm

如果觉得我的文章对你有用，请随意赞赏

Mybatis-Plus基础功能测试使用

钟小湖 • 2020 年 03 月 29 日

[tip type="warning"]
该文章持续不定期更新中，最后一次更新于2020年6月22日
[/tip]

Mapper层接口

Service层接口

说明:
通用 Service CRUD 封装IService接口，进一步封装 CRUD 采用 get 查询单行 remove 删除 list 查询集合 page 分页 前缀命名方式区分 Mapper 层避免混淆，
泛型 T 为任意实体对象
建议如果存在自定义通用 Service 方法的可能，请创建自己的 IBaseService 继承 Mybatis-Plus 提供的基类
对象 Wrapper 为条件构造器

插入数据

在此之前，请务必开启日志配置。

添加测试方法，我们不设置id，看看会不会报错。

@Test
    public void testInsert(){
        User user = new User();
        user.setName("乐心湖");
        user.setAge(18);
        user.setEmail("jialna@qq.com");
        int insert = userMapper.insert(user);
        System.out.println(insert);
        System.out.println(user);
    }

我们看到插入成功了，观察控制台中的sql语句，发现它自动给我们生成了一个id。

这就是下面说的雪花算法。

主键生成策略

推荐阅读：分布式系统唯一id生成：https://www.cnblogs.com/haoxinyue/p/5208136.html

自3.3.0开始,默认使用雪花算法+UUID(不含中划线)；

雪花算法

主键自增

我们首先需要在User中对id主键开启自增，然后在User类里的id属性添加一个注解。

@TableId(type = IdType.AUTO)

@TableId

值	描述
AUTO	数据库自增
NONE	MP set 主键，雪花算法实现
INPUT	需要开发者手动赋值
ASSIGN_ID	MP 分配 ID，Long、Integer、String
ASSIGN_UUID	分配 UUID，Strinig

INPUT 如果开发者没有手动赋值，则数据库通过自增的方式给主键赋值，如果开发者手动赋值，则存入该值。

AUTO 默认就是数据库自增，开发者无需赋值。

ASSIGN_ID MP 自动赋值，雪花算法。

ASSIGN_UUID 主键的数据类型必须是 String，自动生成 UUID 进行赋值

UUID

~~这需要你的id为String，也就是数据库id改为varchar类型。~~

~~生成一个全局唯一的id，带字母和数字。~~

换了。。。现在叫ASSIGN_UUID

方法	主键生成策略	主键类型	说明
nextId	ASSIGN_ID，~~ID_WORKER，ID_WORKER_STR~~	Long,Integer,String	支持自动转换为String类型，但数值类型不支持自动转换，需精准匹配，例如返回Long，实体主键就不支持定义为Integer
nextUUID	ASSIGN_UUID，~~UUID~~	String	默认不含中划线的UUID生成

public enum IdType { 

    AUTO(0), // 数据库id自增 

    NONE(1), // 未设置主键 

    INPUT(2), // 手动输入 

    ASSIGN_ID(3), // 默认的全局唯一id 

    ASSIGN_UUID(4), // 全局唯一id uuid 

}

更新数据

    @Test
    public void testUpdate() {
        User user = new User();
        //通过条件自动拼接动态sql 
        user.setId(6);
        user.setName("乐心湖666");
        user.setAge(18);
        //注意：updateById 但是参数是一个 对象！ 
        int i = userMapper.updateById(user);
        System.out.println(i);
    }

自动填充

参考：https://mp.baomidou.com/guide/auto-fill-metainfo.html

我们在数据库表中经常会有两个字段，分别是create_time和update_time，对应创建时间和更新时间

我们有两种操作，一个是在数据库操作，一个是在代码中操作，前者不推荐！

数据库操作（不建议）

类型为datetime
默认为：CURRENT_TIMESTAMP
勾选上自动更新

代码操作

Mybatis-Plus 时间自动填充

乐观锁

需求：当要更新一条记录的时候，希望这条记录没有被别人更新

我们使用一个场景来帮助理解

场景

现在商品价格是70元，比成本价低10元。几分钟后，这个商品很快出售了1千多件商品，老板亏1多万。

乐观锁与悲观锁

如果是悲观锁，小李取出数据后，小王只能等小李操作完之后，才能对价格进行操作，也会保证最终的价格是120元。

乐观锁实现方式：

取出记录时，获取当前version
更新时，带上这个version
执行更新时， set version = newVersion where version = oldVersion
如果version不对，就更新失败

简单理解就是在多线程的时候，如果需要去更新一条数据的时候刚好这条数据被别人更新了，版本验证不对，就更新失败。

示例SQL原理：

update tbl_user set name = 'update',version = 3 where id = 100 and version = 2

数据库操作

在表中建立一个字段，叫version，默认为1，注释为乐观锁

插件配置

@Configuration
public class MybatisPlusConfig {

    @Bean
    public OptimisticLockerInterceptor optimisticLockerInterceptor() {
        return new OptimisticLockerInterceptor();
    }
}

在User类中加入version字段，并且必须带上注解@Version

@Version
private Integer version;

测试

    @Test
    public void testUpdate(){
        User user = userMapper.selectById(12L);
        user.setAge(11);
        userMapper.updateById(user);
    }

特别说明：

支持的数据类型只有:int,Integer,long,Long,Date,Timestamp,LocalDateTime
整数类型下 newVersion = oldVersion + 1
newVersion 会回写到 entity 中
仅支持 updateById(id) 与 update(entity, wrapper) 方法
在 update(entity, wrapper) 方法下, wrapper 不能复用!!!

查询数据

Id查询

    @Test
    public void testSelectById(){
        User user = userMapper.selectById(12);
        System.out.println(user);
    }

Id批量查询

    @Test
    public void testSelect(){
        List<User> users = userMapper.selectBatchIds(Arrays.asList(1,12));
        System.out.println("------------------------");
        users.forEach(System.out::println);
    }

Map查询

比如当我们想查年龄为16岁的人

    @Test
    public void testSelectByBatchIds(){
        HashMap<String, Object> map = new HashMap<>();
        map.put("name","乐心湖是小白");
        map.put("id","12");
        List<User> users = userMapper.selectByMap(map);
        users.forEach(System.out::println);
    }

分页查询

一个非常常用的功能，在MP中能够非常非常简单就帮你搞定。

写一个配置类。

//Spring boot方式
@EnableTransactionManagement
@Configuration
@MapperScan("com.baomidou.cloud.service.*.mapper*")
public class MybatisPlusConfig {

    @Bean
    public PaginationInterceptor paginationInterceptor() {
        PaginationInterceptor paginationInterceptor = new PaginationInterceptor();
        // 设置请求的页面大于最大页后操作， true调回到首页，false 继续请求  默认false
        // paginationInterceptor.setOverflow(false);
        // 设置最大单页限制数量，默认 500 条，-1 不受限制
        // paginationInterceptor.setLimit(500);
        // 开启 count 的 join 优化,只针对部分 left join
        paginationInterceptor.setCountSqlParser(new JsqlParserCountOptimize(true));
        return paginationInterceptor;
    }
}

测试第二页的4条记录，效果立竿见影。

注意：查询出来的结果自动返回到了page里，不需要我们重新定义去接收查询结果。

建议：仔细查看官方关于分页的介绍和案例，具体开发实战并不会在这里测试。

    @Test
    public void testSelectPage(){
        /**
         * current: 第几页
         * size：每页的数量
         */
        Page<User> page = new Page<>(2, 4);
        userMapper.selectPage(page, null);
        for (User user : page.getRecords()) {
            System.out.println(user);
        }
    }

删除数据

Id删除

    @Test
    public void testDeleteById(){
        userMapper.deleteById(1243823657826996248L);
    }

Map删除

    @Test
    public void testDeleteByMap(){
        HashMap<String, Object> map = new HashMap<>();
        map.put("name","乐心湖是小白");
        userMapper.deleteByMap(map);
    }

Id批量删除

@Test public void testDeleteBatchId(){
    userMapper.deleteBatchIds(Arrays.asList(1240620674645544961L,124062067464554496 2L));
    
}

逻辑删除

物理删除：从数据库中直接移除
逻辑删除：在数据库中没有真的被移除，而是通过一个变量来让他失效
deleted = 0 ——> deleted = 1
管理员可以查看被删除的记录，防止数据的丢失，类似于回收站的功能。

在数据表中增加一个deleted字段，默认为0

SpringBoot 配置方式：

application.yml 加入配置(如果你的默认值和mp默认的一样,该配置可无):

mybatis-plus:
  global-config:
    db-config:
      logic-delete-field: flag  #全局逻辑删除字段值 3.3.0开始支持，详情看下面。
      logic-delete-value: 1 # 逻辑已删除值(默认为 1)
      logic-not-delete-value: 0 # 逻辑未删除值(默认为 0)

实体类字段上加上@TableLogic注解

@TableLogic
private Integer deleted;

效果: 使用mp自带方法删除和查找都会附带逻辑删除功能 (自己写的xml不会)

example
删除时 update user set deleted=1 where id =1 and deleted=0
查找时 select * from user where deleted=0

全局逻辑删除：3.3.0开始支持

如果公司代码比较规范，比如统一了全局都是flag为逻辑删除字段。

使用此配置则不需要在实体类上添加 @TableLogic。

但如果实体类上有 @TableLogic 则以实体上的为准，忽略全局。即先查找注解再查找全局，都没有则此表没有逻辑删除。

mybatis-plus:
  global-config:
    db-config:
      logic-delete-field: flag  #全局逻辑删除字段值

附件说明

逻辑删除是为了方便数据恢复和保护数据本身价值等等的一种方案，但实际就是删除。
如果你需要再查出来就不应使用逻辑删除，而是以一个状态去表示。

如：员工离职，账号被锁定等都应该是一个状态字段，此种场景不应使用逻辑删除。

若确需查找删除数据，如老板需要查看历史所有数据的统计汇总信息，请单独手写sql。

版权属于：乐心湖's Blog
本文链接：https://www.xn2001.com/archives/419.html
声明：博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议，转载请注明出处！

Mapper层接口

Service层接口

插入数据

主键生成策略

雪花算法

主键自增

@TableId

UUID

更新数据

自动填充

数据库操作（不建议）

代码操作

乐观锁

场景

乐观锁与悲观锁

数据库操作

插件配置

测试

查询数据

Id查询

Id批量查询

Map查询

分页查询

删除数据

Id删除

Map删除

Id批量删除

逻辑删除

附件说明