为什么工作台列表要避免 N+1 查询

news2026/4/28 20:25:34
为什么工作台列表要避免 N1 查询最近在看interview-guide的 Agent 工作台读模型时我又被一个老问题提醒了一次很多人平时知道 N1 查询是坏味道但一到“列表页顺手补一点关联信息”这种场景还是很容易写回去。结果不是代码跑不通而是数据量一上来接口耗时会突然变得很难看。这个问题在后台管理页、工作台、运营列表里尤其常见。因为这类页面天然就不是“只查一张表”而是先拿主列表再顺手补用户、消息、审批、日志、状态摘要。开发时每一步都很顺手但如果这些补充信息是按行单独查最后就会变成经典的 N1。N1 真正烦的地方不是多查几次面试里很多人会把 N1 解释成“1 次查主表N 次查子表”。这句话没错但还不够。真正麻烦的是它会把接口成本和结果集大小强绑定。比如列表页第一次只返回 10 条数据你可能还感觉不到问题一旦变成 50 条、100 条或者某些条目又各自带更多关联查询数据库往返次数会线性上涨。到这一步慢的往往不只是 SQL 执行本身还有连接占用、网络来回、对象映射和线程等待。所以 N1 最危险的地方不是“单条 SQL 很慢”而是“单条 SQL 都不算太慢但整体放大以后很贵”。这类问题在线上最容易伪装成一句很含糊的话为什么这个列表页数据量一大就突然抖了这个仓库里是怎么收住的interview-guide里的AgentWorkbenchService.getSessionTurns()处理得比较像样。它不是先查出 turn 列表然后在循环里一条条去补消息摘要而是先一次性拿到当前会话的所有 turn再批量读取这个会话下的消息最后在内存里按turnId分组组装摘要。关键路径可以直接看两个位置interview-guide/app/src/main/java/interview/guide/modules/agent/service/AgentWorkbenchService.java:45interview-guide/app/src/main/java/interview/guide/modules/agent/service/AgentWorkbenchService.java:104前者先查findBySession_SessionIdOrderByCreatedAtDesc(sessionId)拿到 turn 列表后者在buildTurnMessageMap()里统一读取findBySession_SessionIdOrderByMessageOrderAsc(sessionId)然后按turnId回填到MapString, ListAgentMessageDTO。这其实就是很典型的“先批量拉平再按业务键组装”的写法。我觉得这里最值得面试时讲的不是“我知道 N1”这四个字而是你有没有能力把读模型拆出来。因为工作台接口和运行时主链路不是一个目标。运行时链路关心写入时序、事务边界和状态推进工作台读模型关心的是前端展示稳定、查询次数可控、结构好消费。getTurnDetail()也是类似思路单独聚合消息、trace、approval而不是把这些逻辑塞回 runtime 服务里。为什么不要迷信 ORM 自动关联很多 N1 都不是开发者故意写出来的而是“图省事”交给 ORM 的懒加载、级联读取或者循环访问属性时顺手触发的。短期写起来确实轻松但你很难从业务代码第一眼看出它到底会打多少次 SQL。列表型接口最怕这种不透明。因为它的成本不是由你 controller 里那几行代码决定而是由结果集大小乘以关联访问路径决定。也就是说代码看起来很短实际查询却可能已经炸了。所以我的习惯是只要是列表页、工作台、聚合视图就尽量别依赖“对象导航到哪算哪”而是明确决定这一屏到底需要哪些字段然后主动做批量查询和内存组装。这样做虽然代码稍微笨一点但复杂度是显式的后面排查性能问题也更容易。面试里怎么把这题答得像做过如果有人问“怎么避免 N1 查询”我不会只背“用 join、批量查询、预加载”这几个词。我更愿意直接给一个工程化答案先识别接口是不是列表型聚合读场景如果是就把主数据和关联数据分两批或几批稳定查询出来再按业务键在内存里组装避免在循环里逐条补数据。像AgentWorkbenchService这种工作台摘要就是典型的读模型问题不应该交给懒加载碰运气。再往下追问我会补一句不是所有场景都要强行一条大 SQL 打平。字段很多、关系很多时适度分批查再组装往往比一条超复杂 join 更稳也更好维护。重点从来不是“SQL 条数绝对最少”而是“总成本可控而且不会随着列表大小失控”。N1 这题表面上是数据库基础题本质上其实是在问你有没有列表读模型意识。很多人会背结论但一到真实代码里还是会把性能成本藏进循环里。这个坑我觉得比不会写 SQL 更常见。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2554511.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…