3分钟短文:Laravel说要用软删除,可不要真删

引言
我们不止一次在系列文章中讲到模型的“软删除”功能,因为现实场景中为了保证数据可追溯,我们几乎不会对数据库进行物理删除。删除数据有可能会造成数据一致性的破坏,进而导致业务逻辑无法跑通。所以,软删除的概念,极为重要。

本文我们仍然不厌其烦地讲解软删除的功能。

物理删除
其实就是真实地把数据从数据库条目清除,laravel模型提供了开箱即用的方法。比如下面这样使用:
$event = Event::find(12);
$event->delete();
首先使用primary key查询出需要的条目,返回一个Event对象实例,然后调用 delete 方法进行删除。真实的SQL如下:
DELETE FROM events WHERE id = 12;
laravel提供了许多语法糖,上面使用 find 和 delete 两个步骤,可以缩减为一个方法 destroy,用法如下:
Event::destroy(12);
这样一行就搞定了。

软删除
在许多情况下,你不会真正想要从数据库中删除记录,而是用一种不再在应用程序中显示它们的方式对其进行注释。这就是所谓的软删除。
Laravel本身支持软删除,只需要进行少量的配置更改,以确保在执行delete或destroy时,模型的记录不会被实际删除。作为一个例子,我们修改Event模型以支持软删除。
首先创建一个新的迁移,将名为deleted_at的列添加到events表中:
php artisan make:migration add_soft_delete_to_events --table=events
执行成功,输出内容如下:
Created Migration: 2020_10_08_184402_add_soft_delete_to_events
接着在生成的迁移文件内实现迁移使用的 up 方法:
public function up()
{

Schema::table('events', function(Blueprint $table)
{
    $table->softDeletes();
});

}
还有用于迁移回滚的 down 方法:
public function down()
{

Schema::table('events', function(Blueprint $table)
{
    $table->dropColumn('deleted_at');
});

}
修改完毕,在命令行执行迁移指令:
php artisan migrate
执行成功输出内容:
Migrating: 2020_10_08_184402_add_soft_delete_to_events
Migrated: 2020_10_08_184402_add_soft_delete_to_events

模型SoftDelete
有了数据库表的支持,我们才能在模型内使用软删除的功能。
其实原理很简单,就是为模型追加一个全局作用域,为每个查询子句追加上如下筛选条件:
WHERE deleted_at IS NULL
laravel已经为我们写好这部分逻辑了,在模型内引入如下trait:
namespace App;
use IlluminateDatabaseEloquentModel;
use IlluminateDatabaseEloquentSoftDeletes;
在类内引入trait,并手动指定修改器,也就是说deleted_at字段,我们使用 Carbon 进行实例化操作。
class Event extends Model {

use SoftDeletes;
protected $dates = ['created_at','deleted_at','started_at','updated_at'];

}
保存这些更改之后,下次删除与此模型关联的记录时,deleted_at列将被设置为当前时间。任何设置deleted_at为日期时间值的记录,都不会包含在任何查询结果中,因此看起来已经被删除了。
这样操作非常有用,因为误删除的数据,随时可以通过设置 deleted_at = null 而恢复到正常的业务流程中,比如删除的用户,删除的订单,等等其他资源。
如果你在代码内要坚持查询全量数据,也包含软删除了的数据,那么代码这样写:
$events = Event::withTrashed()->get();

写在最后
本文我们有重温了laravel的模型软删除功能,通过创建迁移文件,修改数据库表,追加软删除字段。并在模型内引入 SoftDelete 代码片段引入软删除的程序功能。
Happy coding :-)

我是@程序员小助手,专注编程知识,圈子动态的IT领域原创作者

上一篇:七家利用大数据博弈的初创公司


下一篇:Random与ThreadLocalRandom