【Java】 Java持久化API中LAZY与EAGER加载策略的区别

>
> 【痕迹】QQ+微信朋友圈和聊天记录分析工具
>
> （1）纯Python语言实现，使用Flask后端，本地分析，不上传个人数据。
>
> （2）内含QQ、微信聊天记录保存到本地的方法，真正实现自己数据自己管理。
>
> （3）数据可视化分析QQ、微信聊天记录，提取某一天的聊天记录与大模型对话。
> 
>  下载地址：https://www.alipan.com/s/x6fqXe1jVg1
>

基本原理

Java Persistence API（JPA）是Java EE 5的一部分，它提供了一种用于管理关系数据和对象图的模型和API。在JPA中，FetchType是一个枚举类型，用于指定关联实体的加载方式。FetchType有两种主要的加载策略：LAZY和EAGER。

LAZY（延迟加载）

• 定义：LAZY是JPA的默认加载策略。当指定为LAZY时，关联的实体在初次被访问时才会被加载。这意味着数据库查询将被推迟到实际需要数据时才执行。
• 优点：减少数据库查询次数，提高应用性能，特别是在关联实体很大或者不经常使用的情况下。
• 缺点：如果在一个事务中多次访问同一个关联实体，可能会导致多次数据库查询，从而影响性能。

EAGER（立即加载）

• 定义：当指定为EAGER时，关联的实体在查询主实体时将被同时加载。这通常通过JOIN查询实现。
• 优点：避免了多次数据库查询，适合于关联实体经常被访问的情况。
• 缺点：增加了初次查询的负载，可能会导致不必要的数据被加载，影响性能。

代码示例

以下是使用LAZY和EAGER加载策略的示例代码。

示例1：LAZY加载示例

@Entity
public class User {
    @Id
    private Long id;

    @OneToMany(mappedBy = "user", fetch = FetchType.LAZY)
    private List posts;
    // 其他属性和方法
}

@Entity
public class Post {
    @Id
    private Long id;

    @ManyToOne
    private User user;
    // 其他属性和方法
}

在这个示例中，User实体拥有一个Post列表，使用FetchType.LAZY指定为延迟加载。这意味着Post列表中的元素只有在被访问时才会从数据库加载。

示例2：EAGER加载示例

@Entity
public class User {
    @Id
    private Long id;

    @OneToMany(mappedBy = "user", fetch = FetchType.EAGER)
    private List posts;
    // 其他属性和方法
}

在这个示例中，我们将FetchType更改为EAGER，这意味着在加载User实体的同时，也会加载其关联的Post列表。

示例3：运行结果

User user = entityManager.find(User.class, 1L);
for (Post post : user.getPosts()) {
    System.out.println(post.getContent());
}

对于LAZY加载，上面的循环将触发额外的数据库查询来加载每个Post的内容。而对于EAGER加载，所有的Post内容将在初次查询User时一并加载。

注意事项

1. 性能考虑：选择合适的加载策略对应用性能至关重要。LAZY加载可以减少数据库查询，但可能会在运行时遇到性能瓶颈；EAGER加载虽然可以减少运行时的查询，但可能会增加初次加载的负载。
2. 事务管理：LAZY加载在事务结束时可能会抛出LazyInitializationException，因此需要确保在事务范围内访问关联实体。
3. 查询优化：使用EAGER加载时，可以通过JOIN查询优化数据库访问，减少全表扫描。

结论

选择合适的加载策略取决于应用的具体需求和数据访问模式。LAZY加载适用于关联实体不经常访问的情况，而EAGER加载适用于关联实体经常被同时访问的情况。开发者应该根据实际场景，权衡初次加载时间和运行时性能，做出合理的选择。通过理解LAZY和EAGER加载策略的工作原理和适用场景，可以更有效地使用JPA进行数据持久化操作。

>
> 【痕迹】QQ+微信朋友圈和聊天记录分析工具
>
> （1）纯Python语言实现，使用Flask后端，本地分析，不上传个人数据。
>
> （2）内含QQ、微信聊天记录保存到本地的方法，真正实现自己数据自己管理。
>
> （3）数据可视化分析QQ、微信聊天记录，提取某一天的聊天记录与大模型对话。
>
> 下载地址：https://www.alipan.com/s/x6fqXe1jVg1
>