改进代码res := common.DB.Raw("SELECT * FROM(SELECT * FROM flaws WHERE facility_id = ? AND label LIKE ? "+ "UNION SELECT * FROM issues WHERE facility_id = ? AND label LIKE ? "+ "UNION SELECT * FROM records WHERE facility_id = ? AND label LIKE ? "+ "UNION SELECT * FROM qualities WHERE facility_id = ? AND label LIKE ? "+ "UNION SELECT * FROM inspections WHERE facility_id = ? AND label LIKE ?)"+ "AS combined_tables LIMIT ? OFFSET ?", code, "%"+strconv.Itoa(label)+"%", code, strconv.Itoa(label)+"%", code, strconv.Itoa(label)+"%", code, strconv.Itoa(label)+"%", code, strconv.Itoa(label)+"%", pageSize, offset).Find(&req)

时间: 2024-01-20 18:03:59 浏览: 27
在这段代码中,可以使用参数化查询来防止 SQL 注入攻击。另外,可以考虑将查询语句拆分成多个简单查询,然后使用 Go 语言的 goroutine 将它们并行执行,以提高查询效率。以下是修改后的代码: ``` res1 := common.DB.Raw("SELECT * FROM flaws WHERE facility_id = ? AND label LIKE ?", code, "%"+strconv.Itoa(label)+"%") res2 := common.DB.Raw("SELECT * FROM issues WHERE facility_id = ? AND label LIKE ?", code, strconv.Itoa(label)+"%") res3 := common.DB.Raw("SELECT * FROM records WHERE facility_id = ? AND label LIKE ?", code, strconv.Itoa(label)+"%") res4 := common.DB.Raw("SELECT * FROM qualities WHERE facility_id = ? AND label LIKE ?", code, strconv.Itoa(label)+"%") res5 := common.DB.Raw("SELECT * FROM inspections WHERE facility_id = ? AND label LIKE ?", code, strconv.Itoa(label)+"%") var wg sync.WaitGroup wg.Add(5) go func() { defer wg.Done() res1.Find(&req) }() go func() { defer wg.Done() res2.Find(&req) }() go func() { defer wg.Done() res3.Find(&req) }() go func() { defer wg.Done() res4.Find(&req) }() go func() { defer wg.Done() res5.Find(&req) }() wg.Wait() // Pagination total := len(req) if pageSize > 0 && offset >= 0 { res = req[offset:min(offset+pageSize, total)] } else { res = req } ``` 注意,这里只是将查询语句拆分成多个简单查询,并行执行。如果需要进一步提高查询效率,可以考虑使用缓存来避免重复查询。

相关推荐

改进代码func TracingList(ctx *gin.Context) { resp := models.Response{ Code: 0, Msg: "success", } t, _ := strconv.Atoi(ctx.Query("t")) label, _ := strconv.Atoi(ctx.Query("label")) page, _ := strconv.Atoi(ctx.DefaultQuery("page", "1")) pageSize, _ := strconv.Atoi(ctx.DefaultQuery("pageSize", "10")) code := ctx.Query("code") //设施类型 if len(code) == 0 { resp.Code = 400 resp.Msg = "请输入code值" ctx.JSON(400, resp) return } type Total struct { gorm.Model Type int16 Source int16 Explanation string Label int16 FacilityID string } db := common.DB.Session(&gorm.Session{}) if t < 0 || t > 5 { var req interface{} switch t { case 0: req = []*Total{} case 1: req = []*models.Flaw{} case 2: req = []*models.Issue{} case 3: req = []*models.Record{} case 4: req = []*models.Quality{} case 5: req = []*models.Inspection{} } //查询并分页 if t < 1 || t > 5 { res := db.Scopes(models.Paginate(page, pageSize)).Where("facility_id=?", code).Find(&req) if res.RowsAffected == 0 { resp.Code = 400 resp.Msg = "记录不存在" ctx.JSON(400, resp) return } } else { res := db.Scopes(models.Paginate(page, pageSize)).Raw("SELECT * FROM flaws WHERE facility_id = ? "+ "UNION SELECT * FROM issues WHERE facility_id = ? "+ "UNION SELECT * FROM records WHERE facility_id = ? "+ "UNION SELECT * FROM qualities WHERE facility_id = ? "+ "UNION SELECT * FROM inspections WHERE facility_id = ?", "code", "code", "code", "code", "code").Find(&req) if res.RowsAffected == 0 { resp.Code = 400 resp.Msg = "记录不存在" ctx.JSON(400, resp) return } } resp.Data = req ctx.JSON(200, resp) } else if label < 1 || label > 4 { var req []*Total res := db.Scopes(models.Paginate(page, pageSize)).Raw("SELECT * FROM flaws WHERE label = ? "+ "UNION SELECT * FROM issues WHERE label = ? "+ "UNION SELECT * FROM records WHERE label = ? "+ "UNION SELECT * FROM qualities WHERE label = ? "+ "UNION SELECT * FROM inspections WHERE label = ?", "label", "label", "label", "label", "label").Find(&req) if res.RowsAffected == 0 { resp.Code = 400 resp.Msg = "记录不存在" ctx.JSON(400, resp) return } resp.Data = req ctx.JSON(200, resp) } else { ctx.JSON(400, models.Response{ Code: 400, Msg: "参数有误", }) return } }

根据下面的话写70字的感悟:观察产品是提高成品率的前提 我经常长时间待在现场,拿着自己的放大镜全神贯注地查看产品。如果放大镜的倍数还不够用,我就用显微镜观察,有时一看就是一小时。在这样的过程中,我渐渐对产品产生了感情,一旦发现瑕疵,就会不禁在脑中重现实际生产流程,并推测“这孩子(产品)是在哪个环节受伤(出现残缺)的呢?” 如果是高规格的产品,有时良品率只有 10%,甚至 5%。其最具代表性的便是名为 IC (Integrated Circuit,即集成电路)的半导体。IC 是一种微型电子器件,在一块边长仅有两三毫米的方形硅基板上,搭载着数十万个晶体管、二极管等元件。它是制造手机等电子产品时不可或缺的部件。如果用显微镜观察 IC,就能看到上面密密麻麻地排列着晶体管,哪怕只混入微量杂质,也会使 IC 沦为废品。 半导体产业始于美国硅谷,后来在日本逐渐繁荣。这是一场微观世界的“产业战争”。胜负的关键是“能在一枚硅晶片上获得多少个良品”。换言之,这是一场关于成品率的竞争。 起初的良品率可以用“惨淡”来形容,一枚硅晶片只能生产出一到两个良品,因此最初的 IC 价格高昂。但随着行业整体工艺水平的提高,成品率也逐渐上升,等到一枚硅晶片能够生产几千乃至几万个合格品时,IC 的单价也就随之大幅下跌。于是,随着半导体价格的下跌,诸如电视机、收音机等使用半导体部件的电器产品,其价格也变得平民化。 要想提高成品率,首先必须从观察产品做起。在观察的过程中,就能听到产品的声音,从而得知产品“哪里疼”“在哪里受的伤”,进而查明生产流程中的问题环节。 我之所以一直使用“产品的声音”这种拟人的表达方式,并非单纯为了让说明显得生动,而是为了强调认真观察产品的重要性。在实际工作中,我们必须达到这样的心境。

最新推荐

recommend-type

智慧物流医药物流落地解决方案qytp.pptx

智慧物流医药物流落地解决方案qytp.pptx
recommend-type

JAVA物业管理系统设计与实现.zip

JAVA物业管理系统设计与实现
recommend-type

基于java的聊天系统的设计于实现.zip

基于java的聊天系统的设计于实现
recommend-type

Vue数字孪生可视化建模系统源码.zip

vueVue数字孪生可视化建模系统源码.zip vueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zipvueVue数字孪生可视化建模系统源码.zip
recommend-type

基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip

基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip基于UCI Heart Disease数据集的心脏病分析python源码+数据集+演示ppt+详细资料.zip
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。