सिद्धांत ORM: एकाधिक टॅगसह अनेक अनेक क्वेरी फिल्टर करणे

डॉक्ट्रीन ORM प्रश्नांमध्ये टॅग-आधारित फिल्टरिंग मास्टरिंग

कल्पना करा की तुम्ही कोट शोध वैशिष्ट्य तयार करत आहात जिथे वापरकर्ते एकाधिक टॅग वापरून परिणाम फिल्टर करू शकतात. 🏷️ सुरुवातीला, हे सरळ वाटते—तुम्ही एक क्वेरी लिहा, टेबलमध्ये सामील व्हा आणि परिणामांची अपेक्षा करा. तथापि, जेव्हा तुम्ही एकाधिक टॅग जोडता, तेव्हा क्वेरी रिक्त परिणाम परत करण्यास सुरवात करते किंवा अनपेक्षितपणे वागते.

MyToMany संबंध हाताळताना डॉक्ट्रीन ORM मध्ये विकासकांना तोंड द्यावे लागणारे हे एक सामान्य आव्हान आहे. एकाधिक टॅगद्वारे फिल्टर करण्यासाठी अचूकता आवश्यक आहे, विशेषत: WHERE परिस्थिती आणि AND किंवा IN सारख्या तार्किक ऑपरेशन्स एकत्र करताना. योग्य दृष्टिकोनाशिवाय, तुम्हाला सातत्यपूर्ण परिणाम मिळविण्यासाठी संघर्ष करावा लागेल.

नुकत्याच झालेल्या एका प्रकल्पात, मला या नेमक्या समस्येचा सामना करावा लागला. वापरकर्त्याला फक्त एकच नव्हे तर सर्व निवडलेले टॅग असलेले अवतरण शोधणे आवश्यक आहे. मी आणि अटी आणि IN() कलमे वापरून पाहिली, परंतु डॉक्ट्रीनच्या क्वेरी बिल्डरसोबत क्वेरी लॉजिक चांगले खेळले नाही. मला उपाय सापडेपर्यंत ते माझे डोके खाजवत राहिले. 💡

या लेखात, मी तुम्हाला डॉक्ट्रीन ORM वापरून MyToMany संबंध मधील प्रश्न कसे कमी करायचे ते सांगेन. तुम्ही एकाधिक टॅग द्वारे फिल्टर करत असाल किंवा "AND" लॉजिकसह काम करत असाल किंवा कस्टम क्वेरी लॉजिकसह काम करत असलात तरी, हे प्रभावीपणे अंमलात आणण्यासाठी तुम्हाला मदत करण्यासाठी मी एक स्पष्ट, कार्यरत उदाहरण शेअर करेन. चला आत जाऊया! 🚀

टॅग वापरून डॉक्ट्रीन ORM मध्ये कोट कसे फिल्टर करावे

बॅकएंडमध्ये, कोट्स द्वारे फिल्टर करणे एकाधिक टॅग ManyToMany संबंधांसह कार्य करताना काळजीपूर्वक क्वेरी तयार करणे आवश्यक आहे. स्क्रिप्टची सुरुवात `createQueryBuilder` पद्धत वापरून तयार केलेल्या क्वेरी बिल्डरने होते. येथे मूळ अस्तित्व (`कोट`) निवडले आहे. टॅगवर आधारित कोट्स फिल्टर करण्यासाठी, `leftJoin` कमांड `टॅग` घटकाला कोट्स टेबलशी जोडते, ज्यामुळे आम्हाला संबंधित टॅगवर अटी लागू करता येतात. वापरकर्त्याने किंवा तर्क वापरून फिल्टर करण्याची विनंती केल्यास, आम्ही निवडलेल्या कोणत्याही टॅगसह अवतरण जुळवण्यासाठी `IN()` कलम वापरतो.

However, in cases where quotes need to match all the provided tags (AND logic), the `expr()->andX()` method comes into play. This method lets us add multiple equality conditions using `expr()->तथापि, प्रदान केलेल्या सर्व टॅग्जशी (AND तर्कशास्त्र) कोट्स जुळणे आवश्यक असलेल्या प्रकरणांमध्ये, `expr()->andX()` पद्धत लागू होते. ही पद्धत आम्हाला `expr()->eq()` वापरून एकाधिक समानता अटी जोडू देते, जेथे प्रत्येक टॅग आयडी संबंधित टॅगशी जुळला पाहिजे. क्वेरी हे सुनिश्चित करते की केवळ सर्व निर्दिष्ट टॅग असलेले अवतरण परत केले जातात. हा दृष्टीकोन सामान्य समस्येचे निराकरण करतो जेथे एकाधिक टॅगद्वारे फिल्टर केल्याने अयोग्य क्वेरी बांधकामामुळे कोणतेही परिणाम मिळत नाहीत.

समोरच्या बाजूला, JavaScript फेच फंक्शन डायनॅमिकपणे वापरकर्त्याचे निवडलेले टॅग बॅकएंडवर पाठवते. उदाहरणार्थ, वापरकर्त्याने 88 आणि 306 टॅग निवडल्यास, हे आयडी JSON विनंतीमध्ये समाविष्ट केले जातात. बॅकएंड या विनंतीवर प्रक्रिया करतो, योग्य परिस्थितीसह क्वेरी तयार करतो आणि फिल्टर केलेले परिणाम परत करतो. ही द्वि-मार्गी परस्परसंवाद गुळगुळीत वापरकर्ता अनुभव सुनिश्चित करते जेथे वापरकर्ता इनपुटवर आधारित शोध गतिशीलपणे अद्यतनित होतो. 🚀

सुधारित क्वेरी कार्यप्रदर्शनासाठी, टॅग योग्यरित्या जुळत असल्याची खात्री करण्यासाठी `GROUP BY` आणि `HAVING COUNT` सारख्या SQL आज्ञा थेट वापरल्या जाऊ शकतात. अवतरण गटबद्ध करून आणि त्यांच्याशी संबंधित भिन्न टॅग मोजून, क्वेरी टॅग गणना निकषांची पूर्तता न करणारे कोणतेही कोट फिल्टर करते. याव्यतिरिक्त, `setFirstResult` आणि `setMaxResults` चा वापर योग्य पृष्ठांकन सुनिश्चित करतो, जे मोठे डेटासेट हाताळताना कार्यप्रदर्शन सुधारते. ही पद्धत अशा परिस्थितीत चांगली कार्य करते जिथे वापरकर्ते विशिष्ट, फिल्टर केलेले परिणाम मोठ्या कोट्समध्ये शोधतात. 😊

// 1. Backend PHP solution to filter results using multiple tags in Doctrine ORM
$search = $request->request->all()['quote_search'];
$queryBuilder = $this->createQueryBuilder('q');
// Check if tag mode and tags are set
if ($search['tagMode'] != -1 && !empty($search['tags'])) {
    $queryBuilder->leftJoin('q.tags', 't');
    if ($search['tagMode'] == 1000) { // OR logic using IN()
        $queryBuilder->setParameter("tags", $search['tags']);
        $queryBuilder->andWhere("t.id IN (:tags)");
    } else if ($search['tagMode'] == 2000) { // AND logic for multiple tags
        $andExpr = $queryBuilder->expr()->andX();
        foreach ($search['tags'] as $tagId) {
            $andExpr->add($queryBuilder->expr()->eq("t.id", $tagId));
        }
        $queryBuilder->andWhere($andExpr);
    }
}
// Set pagination and ordering
$queryBuilder
    ->orderBy('q.id', 'ASC')
    ->setFirstResult($page * $limit)
    ->setMaxResults($limit);
$quotes = $queryBuilder->getQuery()->getResult();

१

// Assume user selects tags and submits the form
const selectedTags = [88, 306];
const tagMode = 2000; // AND mode
const data = {
    quote_search: {
        tagMode: tagMode,
        tags: selectedTags
    }
};
// Send tags to the backend via fetch
fetch('/quotes/filter', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify(data)
})
.then(response => response.json())
.then(data => console.log(data))
.catch(error => console.error('Error:', error));

use PHPUnit\Framework\TestCase;
use Doctrine\ORM\EntityManager;
class QuoteRepositoryTest extends TestCase {
    public function testFilterQuotesByMultipleTags() {
        $entityManager = $this->createMock(EntityManager::class);
        $repo = new QuoteRepository($entityManager);
        $search = [
            'tagMode' => 2000,
            'tags' => [88, 306]
        ];
        $quotes = $repo->filterByTags($search, 0, 10);
        $this->assertNotEmpty($quotes);
        foreach ($quotes as $quote) {
            $this->assertContains(88, $quote->getTagIds());
            $this->assertContains(306, $quote->getTagIds());
        }
    }
}

सिद्धांत ORM: अनेक प्रश्न फिल्टर करण्यासाठी आज्ञा आणि संकल्पना

जटिल टॅग-आधारित प्रश्नांसाठी सिद्धांत ORM ऑप्टिमाइझ करणे

सोबत काम करताना अनेक अनेक नाती डॉक्ट्रीन ORM मध्ये, एक दुर्लक्षित पैलू म्हणजे क्वेरी ऑप्टिमायझेशन. लहान डेटासेटमध्ये `AND` किंवा `IN` वापरणारे मूलभूत फिल्टर पुरेसे असले तरी, डेटाबेस जसजसा वाढत जातो तसतसे कार्यप्रदर्शन खराब होऊ शकते. अचूक परिणाम मिळवण्यासाठी क्वेरी ऑप्टिमाइझ करणे हे महत्त्वाचे बनते. उदाहरणार्थ, एकाहून अधिक टॅगद्वारे कोट फिल्टर करताना, संबंधित सारण्यांवर अनुक्रमणिका जोडल्याने (उदा. `quote_tag` आणि `tag`) क्वेरी अंमलात येण्याची वेळ लक्षणीयरीत्या कमी करू शकते. योग्य इंडेक्सिंगशिवाय, डेटाबेस संपूर्ण स्कॅन करतो, जे संसाधनांच्या दृष्टीने महाग असतात.

Another crucial optimization is reducing unnecessary joins. For example, when you only need quote IDs that match all selected tags, you can retrieve IDs with a single query using `GROUP BY` and `HAVING COUNT`. This avoids fetching entire rows and minimizes memory usage. Additionally, the query builder’s `expr()->आणखी एक महत्त्वपूर्ण ऑप्टिमायझेशन म्हणजे अनावश्यक जोडणी कमी करणे. उदाहरणार्थ, जेव्हा तुम्हाला फक्त सर्व निवडलेल्या टॅगशी जुळणारे कोट आयडी हवे असतात, तेव्हा तुम्ही `ग्रुप बाय` आणि `हॅव्हिंग काउंट` वापरून एकाच क्वेरीसह आयडी पुनर्प्राप्त करू शकता. हे संपूर्ण पंक्ती आणणे टाळते आणि मेमरी वापर कमी करते. याव्यतिरिक्त, क्वेरी बिल्डरची `expr()->andX()` पद्धत मोठ्या प्रमाणात फिल्टरिंगसाठी ऑप्टिमाइझ केलेल्या रॉ SQL सह बदलली जाऊ शकते. रॉ एसक्यूएल वापरल्याने काहीवेळा समान कार्यक्षमता प्राप्त करताना डॉक्ट्रीन ओव्हरहेडला बायपास करता येते.

डॉक्ट्रीनची कॅशिंग यंत्रणा हे टॅग-आधारित फिल्टरिंग ऑप्टिमाइझ करण्यासाठी दुसरे साधन आहे. परिणाम कॅशिंग सक्षम करून, समान परिस्थितीसह वारंवार शोध क्वेरी पुन्हा कार्यान्वित करणे टाळतात. हे विशेषतः अशा परिस्थितीत उपयुक्त आहे जेथे डेटा वारंवार बदलत नाही. या रणनीती एकत्र करणे-अनुक्रमणिका, क्वेरी ऑप्टिमायझेशन आणि कॅशिंग—फिल्टरिंग टॅगसाठी ManyToMany क्वेरी जलद आणि स्केलेबल राहतील याची खात्री करते. या तंत्रांची योग्य अंमलबजावणी विकासकांना अनुप्रयोग आणि डेटाबेस वाढत असताना अडथळे टाळण्यास मदत करते. 🚀