1、@TableName
经过以上的测试，在使用MyBatis-Plus实现基本的CRUD时，我们并没有指定要操作的表，只是在
Mapper接口继承BaseMapper时，设置了泛型User，而操作的表为user表。
由此得出结论，MyBatis-Plus在确定操作的表时，由BaseMapper的泛型决定，即实体类型决
定，且默认操作的表名和实体类型的类名一致。
a>问题
若实体类类型的 类名 和要操作的表的 表名不一致 ，会出现什么问题？
我们将表user更名为t_user，测试查询功能
此时程序会报错
Cause: java.sql.SQLSyntaxErrorException: Table 'mybatis_plus.user' doesn't exist
因为现在的表名为t_user，而默认操作 的表名和实体类型的类名一致，即user表。
b>通过@TableName解决问题（推荐）
在实体类类型上添加@TableName("t_user")，标识实体类对应的表，即可成功执行SQL语句
c>通过全局配置解决问题（了解）
在开发的过程中，我们经常遇到以上的问题，即实体类所对应的表都有固定的前缀，例如t_或tbl_ 此时，可以使用MyBatis-Plus提供的全局配置，为实体类所对应的表名设置默认的前缀，那么就 不需要在每个实体类上通过@TableName标识实体类对应的表 。
2、@TableId
经过以上的测试，MyBatis-Plus在实现CRUD时，会默认将id作为主键列，并在插入数据时，默认 基于雪花算法的策略生成id 。
a>问题
若实体类和表中表示主键的不是id，而是其他字段，例如uid，MyBatis-Plus会自动识别uid为主 键列吗？ 我们实体类中的属性id改为uid，将表中的字段id也改为uid，测试添加功能。 Cause: java.sql.SQLException: Field 'uid' doesn't have a default value 说明MyBatis-Plus没有将uid作为主键赋值。
b>通过@TableId解决问题
在实体类中uid属性上通过@TableId将其标识为主键，即可成功执行SQL语句 。
c>@TableId的value属性
若实体类中主键对应的属性为id，而表中表示主键的字段为uid，此时若只在属性id上添加注解 @TableId，则抛出异常Unknown column 'id' in 'field list'，即MyBatis-Plus仍然会将id作为表的 主键操作，而表中表示主键的是字段uid 此时需要通过@TableId注解的value属性，指定表中的主键字段，@TableId("uid")或 @TableId(value="uid")
d>@TableId的type属性
e>雪花算法
背景
需要选择合适的方案去应对数据规模的增长，以应对逐渐增长的访问压力和数据量。 数据库的扩展方式主要包括：业务分库、主从复制，数据库分表。 数据库分表 将不同业务数据分散存储到不同的数据库服务器，能够支撑百万甚至千万用户规模的业务，但如果业务 继续发展，同一业务的单表数据也会达到单台数据库服务器的处理瓶颈。例如，淘宝的几亿用户数据， 如果全部存放在一台数据库服务器的一张表中，肯定是无法满足性能要求的，此时就需要对单表数据进 行拆分。 单表数据拆分有两种方式：垂直分表和水平分表。示意图如下：
垂直分表
垂直分表适合将表中某些不常用且占了大量空间的列拆分出去。
例如，前面示意图中的 nickname 和 description 字段，假设我们是一个婚恋网站，用户在筛选其他用 户的时候，主要是用 age 和 sex 两个字段进行查询，而 nickname 和 description 两个字段主要用于展 示，一般不会在业务查询中用到。description 本身又比较长，因此我们可以将这两个字段独立到另外 一张表中，这样在查询 age 和 sex 时，就能带来一定的性能提升。
水平分表
水平分表适合表行数特别大的表，有的公司要求单表行数超过 5000 万就必须进行分表，这个数字可以 作为参考，但并不是绝对标准，关键还是要看表的访问性能。对于一些比较复杂的表，可能超过 1000 万就要分表了；而对于一些简单的表，即使存储数据超过 1 亿行，也可以不分表。
但不管怎样，当看到表的数据量达到千万级别时，作为架构师就要警觉起来，因为这很可能是架构的性 能瓶颈或者隐患。 水平分表相比垂直分表，会引入更多的复杂性，例如要求全局唯一的数据id该如何处理。
主键自增
①以最常见的用户 ID 为例，可以按照 1000000 的范围大小进行分段，1 ~ 999999 放到表 1中， 1000000 ~ 1999999 放到表2中，以此类推。
②复杂点：分段大小的选取。分段太小会导致切分后子表数量过多，增加维护复杂度；分段太大可能会 导致单表依然存在性能问题，一般建议分段大小在 100 万至 2000 万之间，具体需要根据业务选取合适 的分段大小。
③优点：可以随着数据的增加平滑地扩充新的表。例如，现在的用户是 100 万，如果增加到 1000 万， 只需要增加新的表就可以了，原有的数据不需要动。
④缺点：分布不均匀。假如按照 1000 万来进行分表，有可能某个分段实际存储的数据量只有 1 条，而 另外一个分段实际存储的数据量有 1000 万条。
取模
①同样以用户 ID 为例，假如我们一开始就规划了 10 个数据库表，可以简单地用 user_id % 10 的值来 表示数据所属的数据库表编号，ID 为 985 的用户放到编号为 5 的子表中，ID 为 10086 的用户放到编号 为 6 的子表中。
②复杂点：初始表数量的确定。表数量太多维护比较麻烦，表数量太少又可能导致单表性能存在问题。
③优点：表分布比较均匀。
④缺点：扩充新的表很麻烦，所有数据都要重分布。
雪花算法
雪花算法是由Twitter公布的分布式主键生成算法，它能够保证不同表的主键的不重复性，以及相同表的 主键的有序性。
①核心思想：
长度共64bit（一个long型）。 首先是一个符号位，1bit标识，由于long基本类型在Java中是带符号的，最高位是符号位，正数是0，负 数是1，所以id一般是正数，最高位是0。
41bit时间截(毫秒级)，存储的是时间截的差值（当前时间截 - 开始时间截)，结果约等于69.73年。 10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID，可以部署在1024个节点）。 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）。
②优点：整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞，并且效率较高。
3、@TableField
经过以上的测试，我们可以发现，MyBatis-Plus在执行SQL语句时，要保证实体类中的属性名和 表中的字段名一致 。 如果实体类中的属性名和字段名不一致的情况，会出现什么问题呢？
a>情况1
若实体类中的属性使用的是驼峰命名风格，而表中的字段使用的是下划线命名风格。 例如实体类属性userName，表中字段user_name。 此时MyBatis-Plus会自动将下划线命名风格转化为驼峰命名风格。 相当于在MyBatis中配置。
b>情况2
若实体类中的属性和表中的字段不满足情况1。 例如实体类属性name，表中字段username。 此时需要在实体类属性上使用@TableField("username")设置属性所对应的字段名。
4、@TableLogic
a>逻辑删除
物理删除：真实删除，将对应数据从数据库中删除，之后查询不到此条被删除的数据。 逻辑删除：假删除，将对应数据中代表是否被删除字段的状态修改为“被删除状态”，之后在数据库中仍旧能看到此条数据记录。 使用场景：可以进行数据恢复。
b>实现逻辑删除
step1：数据库中创建逻辑删除状态列，设置默认值为0
step2：实体类中添加逻辑删除属性
step3：测试
删除的方法
@Test
public void testDelete(){
int i = userMapper.deleteById(2L);//根据主键id进行删除
System.out.println(i);
}
其sql语句不是delete而是改成了update
UPDATE t_user SET is_deleted=1 WHERE uid=? AND is_deleted=0
数据库中我们可以看到确实修改了
查询的方法
@Test
public void testSelectList(){
List<User> userList = userMapper.selectList(null);
// 这个地方的输出是使用的Java8新特性的方法引用，如果想学习Java8新特性的可以看我前面
// 介绍的有关Java8新特性的介绍
userList.forEach(System.out::println);
}
其sql语句是
SELECT uid AS id,name,age,email,is_deleted FROM t_user WHERE is_deleted=0
自动过滤掉逻辑删除的了。
到此这篇关于mybatis plus常用注解的具体使用的文章就介绍到这了,更多相关mybatis plus常用注解内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/qq_39746820/article/details/124314074
