当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL sys.list_add 怎样为逗号分隔配置追加一项

MySQL sys.list_add 怎样为逗号分隔配置追加一项

来源:17golang原创 2026-10-31 08:49:00 0浏览 收藏

需要给 sql_mode、optimizer_switch 这类逗号分隔配置追加一个值时,可以直接使用 sys.list_add(in_list, in_add_value)。它接收原列表和待追加值,返回新的 TEXT 字符串;如果要真正改变配置,还要把返回值写回目标变量。

官方地址:https://dev.mysql.com/doc/refman/8.4/en/sys-list-add.html

最小写法是:先读取当前列表,再用 sys.list_add() 生成新字符串,最后通过 SET 写回会话变量。不要把它当成去重函数,也不要跳过写回后的结果查询。
  • 原列表和追加值是两个独立参数,函数返回的是新的文本值。
  • 函数调用本身只产生字符串,不会自动修改系统变量。
  • 生产使用前要单独决定重复值、空列表、权限和回滚策略。

先把列表输入和追加值分开

sys.list_add() 的参数边界很简单:in_list 是待修改的逗号分隔列表,in_add_value 是要放入列表的新值。先把函数当作“字符串构造器”,比直接修改配置更容易看清结果。

-- 先查看当前会话的逗号分隔配置
SELECT @@SESSION.sql_mode AS current_mode;

-- 只构造新字符串,不修改变量
SELECT sys.list_add(
    'ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES',
    'NO_ENGINE_SUBSTITUTION'
) AS next_mode;

上面的调用只返回一个新文本值。它不会因为函数名里有 add 就自动写回 sql_mode,也不会替你判断业务上是否允许重复项。把这一步单独拿出来,便于在变更前记录旧值。

sys.list_add 的原列表、追加值、逗号分隔配置和 TEXT 返回值结构说明图
图1:结构说明图,查看原列表、追加值与 TEXT 返回值的边界关系。

把返回值写回配置变量

确认新字符串符合预期后,再把表达式放进 SET。下面使用会话级 sql_mode,影响范围只限当前连接,适合先做低风险验证。

-- 将当前会话的 sql_mode 追加一项
SET SESSION sql_mode = sys.list_add(
    @@SESSION.sql_mode,
    'NO_ENGINE_SUBSTITUTION'
);

-- 写回后重新读取,确认变量已经采用新文本
SELECT @@SESSION.sql_mode AS updated_mode;

这里有两个容易混淆的点。第一,@@SESSION.sql_mode 是函数的输入,SET SESSION 才是写回动作;第二,结果查询应放在写回之后,否则看到的只是修改前的值。若改成全局变量,必须另外评估权限、连接继承关系和回滚窗口,不能只替换一个关键字。

SESSION sql_mode、sys.list_add、SET 写回和 SELECT 结果查询之间的静态依赖结构说明图
图2:结构说明图,查看函数返回值如何进入会话变量并被查询。

用重复值和空列表做边界对比

sys.list_add() 解决的是“在逗号分隔文本后追加一项”,不是集合运算。若追加值已经存在,不能默认它会去重;如果输入来自表单、环境变量或脚本,也不要把空字符串、前后空格和逗号误当成合法配置项。

-- 先观察候选值,再决定是否写回目标变量
SELECT sys.list_add('STRICT_TRANS_TABLES,NO_ENGINE_SUBSTITUTION',
                    'NO_ENGINE_SUBSTITUTION') AS possible_duplicate;

-- 对外部输入先做清洗或白名单判断,再调用追加函数
SELECT sys.list_add('STRICT_TRANS_TABLES', 'NO_ENGINE_SUBSTITUTION')
       AS cleaned_append_result;

实务上可以把输入处理拆成三层:调用方保证追加值不是空文本;配置层按逗号分隔后检查是否已存在;写回层保留旧值,必要时用 sys.list_drop() 或原值恢复。这样即使函数调用成功,也不会把“字符串拼接成功”误判成“配置变更符合预期”。

用四个指标判断方案是否适合上线

这类小函数没有必要凭感觉比较。可以把评估表固定下来,再对手写 CONCAT()、脚本拼接和 sys.list_add() 做同口径核对:

指标要核对的问题通过条件
表达清晰度读者能否一眼看出原列表与追加值?两个输入参数在 SQL 中分开出现
重复值处理追加项已存在时由谁决定是否写回?有明确的去重或白名单策略
影响范围修改只影响当前连接还是全局配置?SESSION、GLOBAL 边界写清楚
回滚能力写回失败或结果不符时如何恢复?变更前保留旧值并能重新设置

如果只是一次性生成文本,调用函数后读取返回值即可;如果要改变 MySQL 行为,必须把权限、作用域和回滚一起纳入方案。这样衡量的不是函数调用快不快,而是配置变更是否可读、可控、可恢复。

常见问题

sys.list_add 会自动修改 sql_mode 吗?

不会。它先返回新的 TEXT 值,只有把表达式放进 SET,目标变量才会改变。

追加值已经存在时能保证不重复吗?

不能把去重责任交给这个函数。调用前应按业务规则拆分列表、检查重复项,再决定是否写回。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go roaring 怎样把Roaring位图序列化到字节流Go roaring 怎样把Roaring位图序列化到字节流
上一篇
Go roaring 怎样把Roaring位图序列化到字节流
LibreOffice Math 怎样输入分段函数
下一篇
LibreOffice Math 怎样输入分段函数
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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数据集详解:生物医学问答基准、功能与应用指南
    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。
    806次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    797次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    885次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    856次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    684次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码