GORM软删除实现方法详解
2026-05-27 20:31:36
0浏览
收藏
GORM的软删除并非真正删除数据,而是通过精准控制`*time.Time`类型的`DeletedAt`字段实现逻辑标记,其核心在于类型约束、方法调用顺序与查询链路的协同——`Delete()`自动更新时间戳,`Unscoped().Delete()`才执行物理删除;默认查询自动过滤已软删记录,而关联预加载则不会递归过滤,需手动干预;看似简单的功能背后,字段定义错误、`Unscoped()`滥用、关联逻辑遗漏或统计口径偏差,都可能引发数据“消失”、清理失效、查询失真甚至外键崩坏,生产环境更推荐结合标记位与定时批处理来规避风险。

软删除不是删数据,是改 DeletedAt 字段
GORM 的软删除本质就是把 DeletedAt 字段设成当前时间,而不是发 DELETE FROM 语句。它不靠你手动加条件、写钩子或改 SQL,只依赖字段类型和调用方式。
DeletedAt必须是*time.Time(指针类型),不能是time.Time(值类型)——否则零值0001-01-01会被误判为“已删除”,新插入的记录直接查不到- 最省事的做法是嵌入
gorm.Model,它自带ID、CreatedAt、UpdatedAt和正确类型的DeletedAt - 自己定义字段时,必须显式加上
gorm:"index",否则Unscoped()外的查询可能因索引缺失而跳过该行 - 别手写
user.DeletedAt = time.Now()—— GORM 不识别这种“手工软删”,后续查询仍可能命中,且不会触发BeforeDelete钩子
Delete() 默认软删,Unscoped().Delete() 才真删
调 db.Delete(&user) 不会删库,只会更新 DeletedAt;想物理删除,必须组合 Unscoped()。很多人在迁移脚本或清理逻辑里漏掉 Unscoped(),结果表越跑越大。
- 软删:
db.Delete(&user)→ 生成UPDATE ... SET deleted_at = ? - 硬删:
db.Unscoped().Delete(&user)→ 生成DELETE FROM ...,行从数据库物理消失 - 批量操作同理:
db.Where("status = ?", "draft").Delete(&Post{})是软删;漏了Unscoped()就永远删不掉 Unscoped()是链式方法,必须放在最前面,比如db.Unscoped().Where(...).Find(&users),放后面无效
查不到软删数据?不是 bug,是默认行为
所有常规查询(Find、First、Where)默认自动加 WHERE deleted_at IS NULL。这不是异常,是设计使然。管理后台“回收站”页面直接用 Find() 查不到任何记录,就是因为这个过滤。
- 要查含软删数据:用
db.Unscoped().Where(...).Find(&users) - 只想临时绕过软删又不想影响其他条件:可手动加
Where("deleted_at IS NULL")替代Unscoped(),更可控 Unscoped()影响整条链路,后续无法“恢复”软删过滤,慎用于复杂查询- 统计总数、导出报表等场景容易漏掉
Unscoped(),导致结果少算——尤其当业务方以为“删了就没了”,但 DB 里还堆着几万条deleted_at != NULL记录
关联查询(Preload / Joins)不自动过滤软删记录
GORM 不会递归处理关联表的软删逻辑。比如用户软删后,其 Orders 若也启用了软删除,db.Preload("Orders").Find(&user) 仍会把已软删的订单查出来——这不是 bug,是每个模型独立判断的结果。
- 想让预加载也遵守软删规则,必须显式加条件:
db.Preload("Orders", func(db *gorm.DB) *gorm.DB { return db.Unscoped().Where("deleted_at IS NULL") }) HasOne/HasMany的外键约束不受软删影响:主表软删后,子表记录仍在,只是DeletedAt被设值;子表若没定义DeletedAt,它根本不会被软删- 硬删前务必确认无活跃关联,尤其日志、审计、统计类表常被忽略;否则
Unscoped().Delete()可能破坏外键引用,下次插入报foreign key constraint fails
软删除看着简单,但字段类型、调用链顺序、关联加载、统计口径这四点,任一出错都会导致数据不可见、删不干净、查不准或外键崩坏。生产环境建议禁用裸 Unscoped().Delete(),改用标记位(如 IsPurged bool)+ 定期批处理清理。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于Golang的相关知识,也可关注golang学习网公众号。
ChromeCPU节流影响低端体验测试
- 上一篇
- ChromeCPU节流影响低端体验测试
- 下一篇
- CSS镂空文字效果怎么实现
查看更多
最新文章
-
- Golang · Go教程 | 5小时前 |
- Go os/signal 处理服务退出信号的生命周期
- 322浏览 收藏
-
- Golang · Go教程 | 5小时前 | Go crypto/tls 证书到期时间 x509.Certificate NotAfter
- Go crypto/tls 读取证书到期时间的代码写法
- 183浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go net/netip 解析地址并区分 IPv4 映射
- 377浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go container/heap 实现定时任务优先队列
- 395浏览 收藏
-
- Golang · Go教程 | 5小时前 | Go 切片排序 稳定排序 sort.SliceStable
- Go sort.SliceStable 保持同键顺序的排序实现
- 300浏览 收藏
-
- Golang · Go教程 | 5小时前 | 配置 · 错误处理 · Go教程 · Go 超时配置 time.Duration time.ParseDuration 配置时长
- Go time.ParseDuration 读取配置时长的错误处理
- 119浏览 收藏
-
- Golang · Go教程 | 5小时前 | goroutine · go · Context · Go 定时任务 reset goroutine泄漏 time.Ticker Stop
- Go time.Ticker 长时间服务的停止与泄漏规避
- 121浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go time.Location 处理业务时区的转换方法
- 239浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 479次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 535次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 558次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 507次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 328次使用
查看更多
相关文章
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览
