当前位置: 首页 > news >正文

hibernate学习(五)

hibernate学习(五)

hibernate的一对多关联映射:

一、数据库表与表之间关系
在这里插入图片描述
一对多建表原则:
在这里插入图片描述
在这里插入图片描述
多对多的建表原则:
在这里插入图片描述
在这里插入图片描述
一对一建表原则:
(1)唯一外键对应:
在这里插入图片描述
(2)主键对应:
在这里插入图片描述
二、hibernate 一对多的关系配置:
(1)创建实体
1:一的一方的实体,放置多的一方的集合。
在这里插入图片描述
2:多的一方的实体,创建一的一方的对象
在这里插入图片描述
(2)创建映射文件:
1.联系人映射的创建:
在这里插入图片描述
在这里插入图片描述
2.客户映射的创建:
在这里插入图片描述
在这里插入图片描述

三、创建核心配置文件:
1:引入两个映射:
在这里插入图片描述
2:引入工具类(略)
在这里插入图片描述

3:编写测试类:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
四、hibernate一对多相关操作:
1:一对多关系保存一边是否可以:
在这里插入图片描述2:一对多的级联操作:
在这里插入图片描述

保存客户级联联系人:

在这里插入图片描述
在这里插入图片描述
保存联系人级联客户:
在这里插入图片描述
在这里插入图片描述
3:测试对象的导航:
在这里插入图片描述
在这里插入图片描述
4:级联删除:
在这里插入图片描述
(1)先建表,在删除。
在这里插入图片描述
(2)默认的情况:先把联系人的外键设置为空,在删除客户和联系人
在这里插入图片描述
(3)先从customer的映射文件中配置cascade=delete
在这里插入图片描述
在这里插入图片描述
(4)删除联系人级联删除客户(基本不用,不太符合实际情况)

在这里插入图片描述
在这里插入图片描述
五、一对多设置了双向关联产生多余的SQL语句
产生两次多余的SQL语句
联系人映射里面的客户更新的就是lkm_cust_id外键,客户映射里面的联系人更新的也就是lkm_cust_id外键,都更新了外键,就是两边都能维护这个外键。造成了数据库中资源的浪费。

在这里插入图片描述
一般是多的一方放弃维护权:举个例子,让老师记住很多班的学生,老师根本记不住,那么直接让老师放弃。学生记老师的名字很好记。多的一方是学生,记老师名字很好记,一的一方是老师,记学生的名字不好记,所以可以一的一方放弃。true就是放弃维护权的意思,false就是不放弃维护权。

在这里插入图片描述
在这里插入图片描述

区分cascade和inverse的区别
cascade只管插入和关联数据,inverse管外键。

在这里插入图片描述

http://www.lryc.cn/news/38606.html

相关文章:

  • STM32CubeIDE 快速开发入门指南
  • 华为OD机试 - 火星文计算(C 语言解题)【独家】
  • 超超超超保姆式详解——字符函数和字符串函数(学不会打我)上
  • Data mesh 笔记
  • (八十三)大白话透彻研究通过explain命令得到的SQL执行计划(2)
  • 案例18-面向对象之开门小例子
  • 【碎片化知识总结】三月第一周
  • 从零开始的JSON库(1):启程
  • 【Java】数组
  • 【C++】非类型的模板参数,特化
  • 核方法(kernel Method)
  • 消息队列MQ用来做什么的,市场上主流的四大MQ如何选择?RabbitMQ带你HelloWorld!
  • 2023年中国高校计算机大赛-团队程序设计天梯赛(GPLT)上海理工大学校内选拔赛(同步赛) A — E
  • 一文分析Linux v4l2框架
  • MFC常用控件使用(文本框、编辑框、下拉框、列表控件、树控件)
  • 13 node 程序后台执行加上 tail 命令, 中断 tail 命令, 同时也中断了 node 程序
  • 52癫痫发作预测的有效双自注意力残差网络
  • 【计算机网络】Tcp IP 面试题相关
  • 【MySQL】MySQL的存储引擎
  • es6动态模块import()
  • 【Flask】Jinja2模板(十四)
  • Mr. Cappuccino的第49杯咖啡——冒泡APP(升级版)之基于Docker部署Gitlab
  • 《机器学习》基础概念之【P问题】与【NP问题】
  • WinRAR安装教程
  • C++:vector和list的迭代器区别和常见迭代器失效问题
  • SpringSecurity如何实现前后端分离
  • 为ubuntu 18.04添加蓝牙驱动
  • Stable Diffusion Prompt用法
  • jenkins问题
  • 阅读笔记DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks