MybatisPlus逻辑删除实战:用@TableLogic注解优雅处理数据,告别物理删除的烦恼

news2026/5/2 0:46:48
MyBatisPlus逻辑删除实战用TableLogic实现数据安全与业务灵活性在用户管理系统开发中我们经常面临一个两难选择彻底删除用户数据可能违反合规要求而保留所有数据又会导致数据库膨胀。上周我接手一个电商项目时就遇到了这样的困境——运营团队误删了2000条用户订单而数据库只保留了前天的备份。这正是逻辑删除技术大显身手的场景。逻辑删除不同于传统的物理删除它通过标记数据状态而非真实删除记录来满足数据可追溯的需求。MyBatisPlus的TableLogic注解让这一技术实现变得异常简单开发者只需添加一个注解就能自动转换所有删除操作为更新操作。下面我将结合最近在金融项目中的实战经验详细解析如何优雅地应用这一技术。1. 逻辑删除的核心价值与实现原理1.1 为什么需要逻辑删除去年我们团队处理过一个医疗系统数据恢复的紧急case。由于护士误操作删除了患者三个月内的检查记录而系统采用物理删除最终不得不从备份库花费6小时恢复。这种场景下逻辑删除的优势非常明显数据安全避免误操作导致数据永久丢失审计合规满足GDPR等法规对数据留存的要求业务连续性支持反悔操作如订单取消后恢复关联数据保护防止删除主表数据导致关联表数据失效1.2 TableLogic的工作原理MyBatisPlus通过AOP和SQL解析实现了逻辑删除的自动化处理。当检测到TableLogic注解时执行流程会发生以下变化// 原始删除操作 userMapper.deleteById(1); // 实际执行的SQL UPDATE user SET deleted 1 WHERE id 1 AND deleted 0关键处理逻辑包括删除转换将DELETE语句转换为UPDATE查询过滤自动添加deleted0条件更新保护防止修改已删除数据2. 完整配置指南与最佳实践2.1 基础配置方案在Spring Boot项目中配置逻辑删除有两种主流方式各有适用场景方案一注解配置灵活性强Entity public class User { TableLogic(value 0, delval 1) private Integer isDeleted; }方案二全局配置统一管理mybatis-plus: global-config: db-config: logic-delete-field: is_deleted logic-not-delete-value: 0 logic-delete-value: 1配置选择建议单一项目小团队 → 全局配置多模块复杂系统 → 注解配置遗留系统改造 → 混合使用2.2 字段类型选型对比不同字段类型在逻辑删除实现中有显著差异类型存储空间可读性索引效率特殊值支持Integer4字节一般高是Boolean1字节好高否String变长最好低是LocalDateTime8字节较好中是实战建议高并发系统首选Integer需要记录删除时间选LocalDateTime简单内部系统可用Boolean3. 高级应用场景与避坑指南3.1 关联查询处理技巧在多表关联查询时逻辑删除会导致结果异常。最近在开发CRM系统时就遇到了这个问题。解决方案是Select(SELECT u.*, d.name as dept_name FROM user u LEFT JOIN department d ON u.dept_id d.id AND d.deleted 0 WHERE u.deleted 0) ListUserVO selectUsersWithDept();关键点主表和关联表都要加删除条件使用LEFT JOIN而非INNER JOINMyBatisPlus 3.4支持自动关联过滤3.2 性能优化方案当逻辑删除数据量超过百万时查询性能会明显下降。我们在电商项目中通过以下方案优化索引策略ALTER TABLE orders ADD INDEX idx_deleted_status (deleted, status);数据归档Scheduled(cron 0 0 3 * * ?) public void archiveDeletedData() { // 将半年前删除的数据移到历史表 }查询优化// 避免全表扫描 wrapper.select(id,name).eq(deleted, 0);4. 业务场景深度适配4.1 用户注销流程改造传统物理删除方案sequenceDiagram 用户-系统: 提交注销申请 系统-数据库: DELETE FROM user WHERE id?改造后的逻辑删除方案sequenceDiagram 用户-系统: 提交注销申请 系统-数据库: UPDATE user SET deleted1 WHERE id? 系统-消息队列: 发送数据归档事件 消息队列-归档服务: 处理敏感数据改进点保留基础信息满足合规要求异步处理敏感数据擦除可设置30天冷静期4.2 订单系统特殊处理订单业务往往需要更复杂的删除逻辑public class Order { TableLogic(value 0, delval 1) private Integer deleted; TableField(exist false) private ListOrderItem items; } // 删除时级联处理子项 Transactional public void cancelOrder(Long orderId) { orderMapper.logicDelete(orderId); orderItemService.logicDeleteByOrderId(orderId); }注意事项需要手动处理关联表事务边界要明确考虑引入状态机管理在最近开发的供应链系统中我们结合逻辑删除和状态模式实现了更灵活的订单生命周期管理。当订单被删除时实际上进入了ARCHIVED状态仍然可以生成报表但不会出现在日常查询中。这种设计既满足了业务需求又符合审计要求。

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/2573545.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…