sqltoy-orm-4.16.6 发版，直面项目过程中的痛点！

内容简介：开源地址： github: https://github.com/sagframe/sagacity-sqltoy gitee: https://gitee.com/sagacity/sagacity-sqltoy idea 插件(可直接在idea中检索安装): https://github.com/threefish/sqltoy-idea-plugins...

开源地址：

• github: https://github.com/sagframe/sagacity-sqltoy
• gitee: https://gitee.com/sagacity/sagacity-sqltoy
• idea 插件(可直接在idea中检索安装):  https://github.com/threefish/sqltoy-idea-plugins

更新内容

1、完善SqlToyLazyDao，增加finByQuery支持锁查询

2、其他一些代码整理和注释强化

分析为什么sqltoy-orm是最值得拥有的！

您的痛点和诉求分析，我们将大多数人遇到的问题分成3个阶段：

• 初级阶段诉求(单库，crud+一些较复杂查询)

1. 希望拥有jpa式的对象操作的简洁舒畅，如:save(entity)\update\saveOrUpdate\saveAll\updateAll,loadById()等
2. 希望简单的查询可以是对象链式操作模式
3. 希望复杂的查询可以直接写 sql 便于sql优化，同时希望sql文件更新可以热更新
4. 不希望有sql注入问题
5. 希望可以方便分页

• 中级阶段诉求(开始遇到一些复杂场景开始思辨，crud不再是重点，查询问题开始凸显)

1. 提供诸如唯一性验证、取top记录、取随机记录现成的方法
2. 遇到一些分布式、高并发场景，考虑主键生成策略诉求，比如传统jpa的update操作无法规避null覆盖则需要先加载后更新(高并发就易导致将别人已经更新后的内容又覆盖了)
3. 遇到产品要适用多种数据库的诉求，希望一个sql可以跑在myql、oracle、mssql、postgres等，如树结构递归查询、group_concat等函数适配
4. 随着业务的成熟，企业的管理开始注重数据，对查询和统计要求变高(但查询往往需求会多变)，所以较长的动态条件sql比重越来越大。
5. 遇到了一些复杂统计问题，比如数据旋转、同比环比，纯sql写起来过于复杂，且换数据库又不通用

• 高级阶段诉求(ETL(跑批+流实时处理)+极致查询，这个阶段查询问题极为凸显，处理不好性能用户体验将极为糟糕)

1. 因为数据规模的扩大，老套的表分区也难以支撑，需要分表、分库了
2. 因为大数据和高并发，对查询性能提出了极致性要求
3. 传统数据库无法适应大规模数据和业务多样性带来的要求，需要进行领域细分，引入 mongodb 、elastic、clickhouse等组合使用

• sqltoy-orm就是上述过程的演绎

1. sqltoy起初是hibernate jpa的补充，用于增强查询，后来因为不希望项目中引入太多技术，sqltoy实现了hibernate jpa的功能，同时将其不足之处进行了完善，正式称之为ORM框架！
2. sqltoy是个人带团队给各个金融企业做项目过程中成长起来的，不同企业数据库不一样，而且金融企业数据规模基本上都是百万千万级，所以要求基础模块可以适用于不同数据库。
3. sqltoy是经历个人负责拉卡拉支付集团数据团队时，单交易表日均1300万(2017年底)，年均30亿规模的洗礼的，在大规模ETL(hive+spark跑批和流实时)的基础上结合oracle一体机、索引优化、表分区、内存表、分表分库、缓存翻译、极致分页等各种策略都难以支撑，通过融合mongo、elasticsearch、clickhouse进行组合专题化应用得以很好的解决。
4. 从2018年sqltoy经历了目前公司erp复杂场景的洗礼，走向了成熟。
5. 从2020年4月sqltoy对外开源推广，得到了大量的反馈，结合积极的响应和完善，sqltoy基本上完成了各种边缘场景的覆盖！

• 简要介绍一下sqltoy的几个特点

sqltoy提供了最简洁的动态sql编写

我们对比一下mybatis的实现(从可阅读、可维护等视角看)：

• 缓存翻译，利用缓存减少关联查询，简化sql同时大幅提升效率

• 极致分页优化

• 并行查询:同时执行多个查询，提升效率

// 使用并行查询同时执行2个sql,条件参数是2个查询的合集
String[] paramNames = new String[] { "userId", "defaultRoles", "deployId", "authObjType" };
Object[] paramValues = new Object[] { userId, defaultRoles, DEPLOY_ID,GROUP };

List<QueryResult<TreeModel>> list = super.parallQuery(
		Arrays.asList(ParallQuery.create().sql("webframe_searchAllModuleMenus").resultType(TreeModel.class),
				ParallQuery.create().sql("webframe_searchAllUserReports").resultType(TreeModel.class)),
		paramNames, paramValues);

• 数据旋转

• 无限极分组统计(含汇总求平均)，算法配置简单又跨数据库！
• 同比环比

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• 直面企业安全痛点，FIT 2019 企业安全俱乐部全议题回顾（附PPT下载）
• 直面算法霸权：我们该如何应对
• 机器学习直面“房间里的大象”
• 直面底层：“吹上天”的协程，带你深入源码分析
• 抗DDoS技术征战网络江湖，上海云盾直面黑客攻击本宗
• 通过“拖拽”搭建数据分析模型，「时代大数据」让经营管理者“直面数据”

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。