深入解析MybatisPlus多表连接查询实践_mybitsplus 连表

一、序言

在开发过程中，数据库查询是非常常见的操作。而在一些复杂的业务场景中，我们经常会遇到多表连接查询的需求。针对这种情况，MybatisPlus提供了一系列强大的功能来支持一对一查询、一对多查询和多对多查询。无论是查询单条记录还是查询多条记录，MybatisPlus都能提供灵活的解决方案。

通过一对一查询，我们可以方便地从主表中获取关联表的详细信息；一对多查询能够帮助我们从一个主表中获取多个关联表的记录；而多对多查询则可以轻松地获取多个表之间的交叉组合。在实现这些查询时，MybatisPlus提供了丰富的注解和接口来简化我们的开发工作。通过合理的配置，我们可以高效地完成各种类型的多表连接查询操作，提升应用程序的性能和开发效率。

​接下来的文章中，我们将深入探讨以上查询类型的具体实现方法，以及一些常见的注意事项。通过学习和理解这些内容，相信您能对MybatisPlus多表连接查询有更深入的了解，为您的项目开发提供有力的支持。

1. 组件及版本说明

SpringBoot 2.6.x

MyBatisPlus 3.5.x

Mysql 5.7.x

2. 场景

为了说明连接查询的关系，这里以学生、课程及其关系为示例。

3. 前期准备

此部分需要读者掌握以下内容：Lambda 表达式、特别是方法引用；函数式接口；流式运算等等，否则理解起来会有些吃力。实体类与 Vo 的映射关系，作者创造性的引入特别构造器，合理利用继承关系，极大的方便了开发者完成实体类向 Vo 的转换。空指针异常忽略不处理，借助Java8 新特性的Optional类实现。

二、一对一查询

一对一查询最典型的应用场景是将id替换成name，比如将userId替换成userName。

（一）查询单条记录

查询单条记录是指返回值仅有一条记录，通常是以唯一索引作为条件的返回查询结果。

1、示例代码

/**
 * 查询单个学生信息（一个学生对应一个部门）
 */
public UserVo getOneUser(Integer userId) {
    LambdaQueryWrapper<User> wrapper = Wrappers.lambdaQuery(User.class)
        .eq(User::getUserId, userId);
    // 先查询用户信息
    User user = userMapper.selectOne(wrapper);
    // 转化为Vo
    UserVo userVo = Optional.ofNullable(user).map(UserVo::new).orElse(null);
    // 从其它表查询信息再封装到Vo
    Optional.ofNullable(userVo).ifPresent(this::addDetpNameInfo);
    return userVo;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14

附属函数addDetpNameInfo代码补充

/**
 * 补充部门名称信息
 */
private void addDetpNameInfo(UserVo userVo) {
    LambdaQueryWrapper<Dept> wrapper = Wrappers.lambdaQuery(Dept.class)
        .eq(Dept::getDeptId, userVo.getDeptId());
    Dept dept = deptMapper.selectOne(wrapper);
    Optional.ofNullable(dept).ifPresent(e -> userVo.setDeptName(e.getDeptName()));
}
1
2
3
4
5
6
7
8
9

2、理论分析

查询单个实体共分为两个步骤：根据条件查询主表数据（需处理空指针异常）；封装 Vo 并查询附属表数据。

查询结果（VO）只有一条记录，需要查询两次数据库，时间复杂度为O(1)。

（二）查询多条记录

查询多条记录是指查询结果为列表，通常是指以普通索引为条件的查询结果。

1、示例代码

/**
 * 批量查询学生信息（一个学生对应一个部门）
 */
public List<UserVo> getUserByList() {
    // 先查询用户信息（表现形式为列表）
    List<User> user = userMapper.selectList(Wrappers.emptyWrapper());
    List<UserVo> userVos = user.stream().map(UserVo::new).collect(toList());
    // 此步骤可以有多个
    addDeptNameInfo(userVos);
    return userVos;
}
1
2
3
4
5
6
7
8
9
10
11

附属函数addDeptNameInfo代码补充

private void addDeptNameInfo(List<UserVo> userVos) {
    // 提取用户userId，方便批量查询
    Set<Integer> deptIds = userVos.stream().map(User::getDeptId).collect(toSet());
    // 根据deptId查询deptName（查询前，先做非空判断）
    List<Dept> dept = deptMapper.selectList(Wrappers.lambdaQuery(Dept.class).in(Dept::getDeptId, deptIds));
    // 构造映射关系，方便匹配deptId与deptName
    Map<Integer, String> hashMap = dept.stream().collect(toMap(Dept::getDeptId, Dept::getDeptName));
    // 封装Vo，并添加到集合中(关键内容)
    userVos.forEach(e -> e.setDeptName(hashMap.get(e.getDeptId())));
}
1
2
3
4
5
6
7
8
9
10

2、理论分析

先查询包含id的列表记录，从结果集中析出id并转化成批查询语句再访问数据库，从第二次调用结果集中解析出name。

查询结果（VO）有多条记录，但仅调用两次数据库，时间复杂度为O(1)。

三、一对多查询

一对多查询最常见的场景是查询部门所包含的学生信息，由于一个部门对应多个学生，每个学生对应一个部门，因此称为一对多查询。

（一）查询单条记录

1、示例代码

/**
 * 查询单个部门（其中一个部门有多个用户）
 */
public DeptVo getOneDept(Integer deptId) {
    // 查询部门基础信息
    LambdaQueryWrapper<Dept> wrapper = Wrappers.lambdaQuery(Dept.class).eq(Dept::getDeptId, deptId);
    DeptVo deptVo = Optional.ofNullable(deptMapper.selectOne(wrapper)).map(DeptVo::new).orElse(null);
    Optional.ofNullable(deptVo).ifPresent(this::addUserInfo);
    return deptVo;
}
1
2
3
4
5
6
7
8
9
10

附属函数addUserInfo代码补充

private void addUserInfo(DeptVo deptVo) {
    // 根据部门deptId查询学生列表
    LambdaQueryWrapper<User> wrapper = Wrappers.lambdaQuery(User.class).eq(User::getDeptId, deptVo.getDeptId());
    List<User> users = userMapper.selectList(wrapper);
    deptVo.setUsers(users);
}
1
2
3
4
5
6

2、理论分析

整个过程共分为两个阶段：通过部门表中主键查询指定部门信息，通过学生表中部门ID外键查询学生信息，将结果合并，形成返回值（Vo）。

一对多查询单条记录整个过程至多需要调用2次数据库查询，查询次数为常数，查询时间复杂度为O(1)。

（二）查询多条记录

1、示例代码

/**
 * 查询多个部门（其中一个部门有多个用户）
 */
public List<DeptVo> getDeptByList() {
    // 按条件查询部门信息
    List<Dept> deptList = deptMapper.selectList(Wrappers.emptyWrapper());
    List<DeptVo> deptVos = deptList.stream().map(DeptVo::new).collect(toList());
    if (deptVos.size() > 0) {
        addUserInfo(deptVos);
    }
    return deptVos;
}
1
2
3
4
5
6
7
8
9
10
11
12

附属函数addUserInfo代码补充

private void addUserInfo(List<DeptVo> deptVos) {
    // 准备deptId方便批量查询用户信息
    Set<Integer> deptIds = deptVos.stream().map(Dept::getDeptId).collect(toSet());
    // 用批量deptId查询用户信息
    List<User> users = userMapper.selectList(Wrappers.lambdaQuery(User.class).in(User::getDeptId, deptIds));
    // 重点：将用户按照deptId分组
    Map<Integer, List<User>> hashMap = users.stream().collect(groupingBy(User::getDeptId));
    // 合并结果，构造Vo，添加集合列表
    deptVos.forEach(e -> e.setUsers(hashMap.get(e.getDeptId())));
}
1
2
3
4
5
6
7
8
9
10

2、理论分析

整个过程共分为三个阶段：通过普通索引从部门表中查询若干条记录；将部门ID转化为批查询从学生表中查询学生记录；将学生记录以部门ID为单位进行分组，合并结果，转化为Vo。

一对多查询多条记录需要调用2次数据库查询，查询次数为常数，查询时间复杂度为O(1)。

四、多对多查询

MybatisPlus 实现多对多查询是一件极富挑战性的任务，也是连接查询中最困难的部分。

以空间置换时间，借助于流式运算，解决多对多查询难题。

多对多查询相对于一对多查询，增加了流式分组运算、批量 HashMap 取值等内容。

（一）查询单条记录

查询单条记录一般是指通过两个查询条件查询出一条匹配表中的记录。

1、示例代码

public StudentVo getStudent(Integer stuId) {
    // 通过主键查询学生信息
    StudentVo studentVo = ConvertUtils.convertObj(getById(stuId), StudentVo::new);
    LambdaQueryWrapper<StuSubRelation> wrapper = Wrappers.lambdaQuery(StuSubRelation.class).eq(StuSubRelation::getStuId, stuId);
    // 查询匹配关系
    List<StuSubRelation> stuSubRelations = stuSubRelationMapper.selectList(wrapper);
    Set<Integer> subIds = stuSubRelations.stream().map(StuSubRelation::getSubId).collect(toSet());
    if (studentVo != null && subIds.size() > 0) {
        List<Subject> subList = subjectMapper.selectList(Wrappers.lambdaQuery(Subject.class).in(Subject::getId, subIds));
        List<SubjectBo> subBoList = EntityUtils.toList(subList, SubjectBo::new);
        HashBasedTable<Integer, Integer, Integer> table = getHashBasedTable(stuSubRelations);
        subBoList.forEach(e -> e.setScore(table.get(stuId, e.getId())));
        studentVo.setSubList(subBoList);
    }
    return studentVo;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

2、理论分析

多对多单条记录查询最多访问数据库3次，先查询学生信息，然后查询学生与课程匹配信息，最后查询课程分数信息，查询时间复杂度为O(1)。

（二）查询多条记录

1、示例代码

public List<StudentVo> getStudentList() {
    // 通过主键查询学生信息
    List<StudentVo> studentVoList = EntityUtils.toList(list(), StudentVo::new);
    // 批量查询学生ID
    Set<Integer> stuIds = studentVoList.stream().map(Student::getId).collect(toSet());
    LambdaQueryWrapper<StuSubRelation> wrapper = Wrappers.lambdaQuery(StuSubRelation.class).in(StuSubRelation::getStuId, stuIds);
    List<StuSubRelation> stuSubRelations = stuSubRelationMapper.selectList(wrapper);
    // 批量查询课程ID
    Set<Integer> subIds = stuSubRelations.stream().map(StuSubRelation::getSubId).collect(toSet());
    if (stuIds.size() > 0 && subIds.size() > 0) {
        HashBasedTable<Integer, Integer, Integer> table = getHashBasedTable(stuSubRelations);
        List<Subject> subList = subjectMapper.selectList(Wrappers.lambdaQuery(Subject.class).in(Subject::getId, subIds));
        List<SubjectBo> subjectBoList = EntityUtils.toList(subList, SubjectBo::new);
        Map<Integer, List<Integer>> map = stuSubRelations.stream().collect(groupingBy(StuSubRelation::getStuId, mapping(StuSubRelation::getSubId, toList())));
        for (StudentVo studentVo : studentVoList) {
            // 获取课程列表
            List<SubjectBo> list = ListUtils.select(subjectBoList, e -> emptyIfNull(map.get(studentVo.getId())).contains(e.getId()));
            // 填充分数
            list.forEach(e -> e.setScore(table.get(studentVo.getId(), e.getId())));
            studentVo.setSubList(list);
        }
    }
    return studentVoList;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

2、理论分析

多对多N条记录查询由于使用了批查询，因此最多访问数据库也是3次，先查询学生信息，然后查询学生与课程匹配信息，最后查询课程分数信息，查询时间复杂度为O(1)。

五、总结和拓展

1、总结

通过上述分析，能够用 MybatisPlus 解决多表连接查询中的一对一、一对多、多对多查询。

• 上述代码行文紧凑，充分利用 IDE 对 Lambda 表达式的支持，在编译期间完成对代码的检查。
• 业务逻辑清晰，可维护性、可修改性优势明显。
• 一次查询需要访问至多两次数据库，时间复杂度为o(1)，主键查询或者索引查询，查询效率高。

2、拓展

MybatisPlus能很好的解决单表查询问题，同时借助在单表查询的封装能很好地解决连接查询问题。

本方案不仅解决了连接查询问题，同时具备如下内容拓展：

• 当数据量较大时，仍然具有稳定的查询效率

  当数据量达到百万级别时，传统的单表通过索引查询已经面临挑战，普通的多表连接查询性能随着数据量的递增呈现指数级下降。

  本方案通过将连接查询转化为主键（索引）查询，查询性能等效于单表查询。

• 与二级缓存配合使用进一步提高查询效率

  当所有的查询均转化为以单表为基础的查询后，方能安全的引入二级缓存。二级缓存的单表增删改查操作自适应联动，解决了二级缓存的脏数据问题。