新闻详情

新闻详情

首页 / 资讯中心 / 详情

软删除 vs 硬删除:MySQL 实现软删除(is_deleted 字段),避免数据丢失

发布时间:2026/11/4 9:21:56来源:尧图网络
软删除 vs 硬删除:MySQL 实现软删除(is_deleted 字段),避免数据丢失
前言开发中直接 DELETE 硬删除数据一旦误删无法恢复订单、用户、商品等核心业务数据绝对不能物理删除。行业通用方案软删除逻辑删除通过 is_deleted 标记区分有效 / 已删除数据。一、硬删除DELETE不推荐核心业务-- 物理删除数据彻底消失无备份无法找回 DELETE FROM user WHERE user_id 10;缺点误删无法恢复无法统计历史订单、用户数据丢失业务记录。二、软删除设计方案1. 表统一增加软删除字段CREATE TABLE user ( user_id INT PRIMARY KEY AUTO_INCREMENT, username VARCHAR(20) NOT NULL, password VARCHAR(64) NOT NULL, is_deleted TINYINT DEFAULT 0 COMMENT 0正常 1已逻辑删除, delete_time DATETIME NULL COMMENT 删除时间 );字段说明is_deleted0 有效数据1 已删除delete_time记录删除时间用于统计、恢复。2. 逻辑删除操作替代 DELETE-- 软删除仅修改标记数据保留 UPDATE user SET is_deleted 1, delete_time NOW() WHERE user_id 10;3. 查询时过滤已删除数据所有业务查询必加条件-- 查询有效用户自动屏蔽已删除数据 SELECT * FROM user WHERE is_deleted 0; -- 恢复已删除数据 UPDATE user SET is_deleted 0, delete_time NULL WHERE user_id 10; -- 查询所有含已删除数据后台管理、数据复盘 SELECT * FROM user;三、复合索引优化避免查询变慢几乎所有查询都会带is_deleted0建立联合索引-- 常用查询条件username is_deleted CREATE INDEX idx_name_del ON user(username,is_deleted);四、软删除优缺点优点误删可随时恢复保留完整业务历史数据支持订单、财务数据溯源、对账无需频繁备份规避删除风险。缺点表数据持续膨胀长期需定时归档历史删除数据所有业务查询必须携带is_deleted0遗忘会查出已删除脏数据。五、开发规范避坑所有业务表统一添加is_deleted、delete_time前端列表、业务查询强制过滤is_deleted0多表关联 JOIN 时每张表都要加软删除条件定期归档长期软删除数据至历史归档表减少主表压力。六、多表关联软删除示例-- 查询有效用户有效订单两张表都过滤软删除 SELECT u.username,o.order_no FROM user u LEFT JOIN order o ON u.user_id o.user_id AND o.is_deleted 0 WHERE u.is_deleted 0;
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉