1、@TableName

经过之前的测试，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

1.1、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。程序抛出异常，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

1.2、解决方法一：使用 @TableName 注解

@Data
@AllArgsConstructor
@NoArgsConstructor
@TableName("t_user")  // 设置该实体类所对应的表的表明
public class User {
    //@TableId(type = IdType.NONE)
    private Long id;
    private String name;
    private Integer age;
    private String email;
}

1.3、解决方法二：通过全局配置

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(mybatis-plus.global-config.db-config.table-prefix)，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

mybatis-plus:
  configuration:
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl  #添加日志功能，StdOutImpl是mybatis-plus自带的
  # 设置MyBatis-Plus全局配置
  global-config:
    db-config:
      table-prefix: t_   # 设置实体类所对应的表的统一前缀，例如 Uer 对应的表名为 t_user

2、@TableId

经过之前的测试，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

2.1、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？

将实体类中的属性id改为uid，将表中的字段id也改为uid，测试添加功能。

程序抛出异常，Field 'uid' doesn't have a default value，说明MyBatis-Plus没有将uid作为主键赋值

2.2、解决方法：使用 @TableId 注解

@Data
@AllArgsConstructor
@NoArgsConstructor
//@TableName("t_user")  // 设置该实体类所对应的表的表明
public class User {
    @TableId    // 将属性对应的字段设定为主键
    private Long uid;
    private String name;
    private Integer age;
    private String email;
}

2.3、@Tableld 的 value 属性解决字段不一致

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")

@Data
@AllArgsConstructor
@NoArgsConstructor
//@TableName("t_user")  // 设置该实体类所对应的表的表明
public class User {
    // 将属性对应的字段设定为主键
    // value属性用于指定主键的字段
    @TableId(value = "uid")
    private Long id;
    private String name;
    private Integer age;
    private String email;
}

2.4、@Tableld 的 type 属性定义主键策略

2.4.1、常用主键策略

值	描述
IdType.ASSIGN_ID （默认）	基于雪花算法的策略生成数据 id ，与数据库 id 是否设置自增无关
IdType.AUTO	使用数据库的自增策略，注意，该类型请确保数据库设置了 id自增，否则无效

2.4.2、配置全局主键策略

mybatis-plus:
  configuration:
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl  #添加日志功能，StdOutImpl是mybatis-plus自带的
  # 设置MyBatis-Plus全局配置
  global-config:
    db-config:
      table-prefix: t_   # 设置实体类所对应的表的统一前缀，例如 Uer 对应的表名为 t_user
      id-type: auto   #设置统一的主键生成策略

2.5、雪花算法

2.5.1、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。

2.5.2、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：

2.5.2.1、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。

2.5.2.2、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？

3.1、情况1：实体类中的属性使用驼峰命名风格，表中的字段使用下划线命名风格

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，例如实体类属性为userName，表中字段为 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

3.2、情况2：实体类中的属性和表中的字段没有特殊的对应关系

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 mybatis-plus 会报错(java.sql.SQLSyntaxErrorException: Unknown column 'name' in 'field list')，这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

@Data
@AllArgsConstructor
@NoArgsConstructor
//@TableName("t_user")  // 设置该实体类所对应的表的表明
public class User {
    // 将属性对应的字段设定为主键
    // value属性用于指定主键的字段
    // type属性用于设置主键的生成策略
    @TableId(value = "uid", type = IdType.AUTO)
    private Long id;

    // 设置属性所对应的字段名
    @TableField("user_name")
    private String name;
    private Integer age;
    private String email;
}

4、@TableLogic

4.1、逻辑删除与物理删除

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

4.2、实现逻辑删除

① 在数据表添加一个用于测试的字段 is_deleted

② 在实体类中添加字段对应的属性，并标识 @TableLogic 注解

@Data
@AllArgsConstructor
@NoArgsConstructor
//@TableName("t_user")  // 设置该实体类所对应的表的表明
public class User {
    // 将属性对应的字段设定为主键
    // value属性用于指定主键的字段
    // type属性用于设置主键的生成策略
    @TableId(value = "uid", type = IdType.AUTO)
    private Long id;

    // 设置属性所对应的字段名
    @TableField("user_name")
    private String name;

    private Integer age;

    private String email;

    @TableLogic
    private Integer isDeleted;
}

③ 执行删除方法

    @Test
    public void testDelete(){
        // 通过多个ID实现批量删除
        List<Long> list = Arrays.asList(6L, 7L, 8L);
        // DELETE FROM user WHERE id IN ( ? , ? )
        int result = userMapper.deleteBatchIds(list);
        System.out.println("result = " + result);
    }

输出结果：可以看到删除是通过将 is_deleted 属性为 0 且符合条件的数据修改为 1 来实现的

==>  Preparing: UPDATE t_user SET is_deleted=1 WHERE uid IN ( ? , ? , ? ) AND is_deleted=0
==> Parameters: 6(Long), 7(Long), 8(Long)
<==    Updates: 3
Closing non transactional SqlSession [org.apache.ibatis.session.defaults.DefaultSqlSession@408e96d9]
result = 3

④ 再执行查询所有数据的方法

    @Test
    public void testSelectList(){
        // 通过条件构造器查询一个List集合，若没有条件，可以设置参数为null
        List<User> users = userMapper.selectList(null);
        users.forEach(System.out::println);
    }

输出结果：可以看到查询的是 is_deleted 字段为 0 的数据，也就是未被删除的数据

==>  Preparing: SELECT uid AS id,user_name AS name,age,email,is_deleted FROM t_user WHERE is_deleted=0
==> Parameters: 
<==    Columns: id, name, age, email, is_deleted
<==        Row: 1, Jone, 18, [email protected], 0
<==        Row: 2, Jack, 20, [email protected], 0
<==        Row: 3, Tom, 28, [email protected], 0
<==        Row: 4, Sandy, 21, [email protected], 0
<==        Row: 5, Billie, 24, [email protected], 0
<==      Total: 5
Closing non transactional SqlSession [org.apache.ibatis.session.defaults.DefaultSqlSession@2c8662ac]
User(id=1, name=Jone, age=18, [email protected], isDeleted=0)
User(id=2, name=Jack, age=20, [email protected], isDeleted=0)
User(id=3, name=Tom, age=28, [email protected], isDeleted=0)
User(id=4, name=Sandy, age=21, [email protected], isDeleted=0)
User(id=5, name=Billie, age=24, [email protected], isDeleted=0)

MyBatisPlus —— 3、常用注解