目录
1.@TableName
1.1 问题
1.2 通过@TableName解决问题
1.3 通过全局配置解决问题
2.@TableId
2.1 问题
2.2 通过@TableId解决问题
2.3 @TableId的value属性
2.4 @TableId的type属性
2.5 雪花算法
1.背景
2.数据库分表
①垂直分表
②水平分表
1>主键自增
2>取模
3> 雪花算法
3.@TableField
3.1 情况1：驼峰命名
3.2 情况2：属性字段不一样
4.@TableLogic
4.1 逻辑删除
4.2 实现逻辑删除
4.3 查询
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.
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 通过@TableName解决问题
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
1.3 通过全局配置解决问题
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。
# 配置MyBatis日志
mybatis-plus:configuration:# 配置MyBatis日志log-impl: org.apache.ibatis.logging.stdout.StdOutImplglobal-config:db-config:# 配置MyBatis-Plus操作表的默认前缀table-prefix: t_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.
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？
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
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 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
2.3 @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")
2.4 @TableId的type属性
type属性用来定义主键策略
常用的主键策略：
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
配置全局主键策略：
# 配置MyBatis日志
mybatis-plus:configuration:# 配置MyBatis日志log-impl: org.apache.ibatis.logging.stdout.StdOutImplglobal-config:db-config:# 配置MyBatis-Plus操作表的默认前缀table-prefix: t_# 配置MyBatis-Plus的主键策略id-type: auto2.5 雪花算法
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。
分库：比如淘宝，VIP用户有一个库，普通用户一个库
主从复制：备份
分表：100万按照什么规则分表
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：
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
1>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。
因为是自动递增的，所以删除一条数据在增加，ID是后面的，会导致一个表里数据多，一个表少。服务器承受的力度不一样。（比如，第一个表删除5号ID，再新增，ID就是6，这样就会导致实际的表中没有那么多数据。那么管理这个表的服务器实际上只管理那么一点数据。）
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。
2>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。
3> 雪花算法
前两种都是基于主键自增的。
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：驼峰命名
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中配置驼峰config配置。
默认开启，在这里关闭他不会报错，但是相关字段是null值。
3.2 情况2：属性字段不一样
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
4.1 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
所以，像那种政府、公司等都会设置逻辑删除，更安全，误删还能恢复。
4.2 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
测试删除功能，真正执行的是修改
UPDATE t_user SET is_deleted=1 WHERE id=? AND is_deleted=0测试查询功能，被逻辑删除的数据默认不会被查询
SELECT id,username AS name,age,email,is_deleted FROM t_user WHERE is_deleted=0@Autowired
private PeopleMapper peopleMapper;
@Test
public void testDeleted(){peopleMapper.deleteById(7L);}
4.3 查询
@Test
public void testSelect(){peopleMapper.selectList(null);
}
)
