WedX - журнал о программировании и компьютерных науках

Перехват сгенерированного NHibernate SQL и внесение изменений перед запуском

Можно ли получить sql, который будет создан nhibernate в вашем коде, без его фактического запуска?

У меня есть сложный объект критериев, который я создал с помощью API критериев. Этот объект критериев формирует основу для различных операторов выбора. Затем я могу взять эту основу и добавить дополнительные критерии, которые мне нужны в различных сценариях в моем приложении.

Теперь мне нужно добавить предложение Have к одному из моих операторов select, и, по-видимому, это не вариант, использующий критерии api. Я могу создать требуемую проекцию, и если я просматриваю сгенерированный sql, все, что мне нужно добавить в конец существующих критериев, это ...

HAVING SUM(J.HoursAssigned) <> sum(JTB.HourQty)

Очень неприятно быть так близко, но мне кажется, что я не могу выделить одну лишнюю строку в нижней части сгенерированного SQL.

Я думаю, что если бы я мог извлечь сгенерированный SQL, я мог бы отметить нужное мне предложение, и я мог бы отправить все это через Nhibernate SQLQueryCriteria.

Я знаю, что это не идеально, но мне это показалось бы лучше, чем один запрос, написанный на HQL или SQL, когда остальные используют общую базу критериев.

Возможно ли это и хорошая ли это идея? Также приветствуются любые альтернативы.



Ответы:


1

В сообщении, упомянутом в комментарии выше, я нашел следующий фрагмент кода, который отлично работает.

public static string GenerateSQL(ICriteria criteria)
    {
        NHibernate.Impl.CriteriaImpl criteriaImpl = (NHibernate.Impl.CriteriaImpl)criteria;
        NHibernate.Engine.ISessionImplementor session = criteriaImpl.Session;
        NHibernate.Engine.ISessionFactoryImplementor factory = session.Factory;

        NHibernate.Loader.Criteria.CriteriaQueryTranslator translator = 
            new NHibernate.Loader.Criteria.CriteriaQueryTranslator(
                factory, 
                criteriaImpl, 
                criteriaImpl.EntityOrClassName, 
                NHibernate.Loader.Criteria.CriteriaQueryTranslator.RootSqlAlias);

        String[] implementors = factory.GetImplementors(criteriaImpl.EntityOrClassName);

        NHibernate.Loader.Criteria.CriteriaJoinWalker walker = new NHibernate.Loader.Criteria.CriteriaJoinWalker(
            (NHibernate.Persister.Entity.IOuterJoinLoadable)factory.GetEntityPersister(implementors[0]),
                                translator,
                                factory,
                                criteriaImpl,
                                criteriaImpl.EntityOrClassName,
                                session.EnabledFilters);

        return walker.SqlString.ToString();
    }
01.11.2011
  • Проблема с этим кодом в том, что он не помещает параметры в запрос, вы видите только вопросительные знаки. 06.08.2012
  • Новые материалы

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


    Для любых предложений по сайту: [email protected]