MagicalRecord 初始化,數據遷移與提前預制數據庫邏輯

? ? ? ?目測現在開發人員用的最多存儲方式應該就是FMDB與Coredata。但用過Coredata的開發人員應該知道coredata的使用并非很方便。So,用第三方的應該占大多數。今天就說下Coredata的第三庫:MagicalRecord;

本篇文章只介紹MagicalRecord初始化與數據遷移兩個知識點。還有一個是提供了一個提前預制數據庫的邏輯思路。因本人所負責的項目就有這種需求,所以這里貼出來供大家探討。

以下簡稱MagicalRecord為MR。


MR 初始化主要分為一下四類:

一,以程序名為數據庫名,不需要自動升級

[MagicalRecord setupCoreDataStack];

二,以程序名為數據庫名,需要自動升級

[MagicalRecord setupAutoMigratingCoreDataStack];

三,自定義數據庫名,不需要自動升級

[MagicalRecord setupCoreDataStackWithStoreNamed:@"LocalModel.sqlite"];

四,自定義數據庫名,需要自動升級

[MagicalRecord setupCoreDataStackWithAutoMigratingSqliteStoreNamed:@"LocalModel.sqlite"];


我們知道,在使用Coredata的時候,系統會默認生成一些代碼,同時生成數據庫存儲路徑,同樣是以程序名命名。所以,MR的默認命名也是以程序名命名。無論何種命名,默認的路徑都是在Library目錄下。

由此可知,初始化MR使用哪一種方式都可以,當然,長遠考慮還是用可以自動升級數據庫的方式更好。以后如果字段變更,結構變更,已安裝用戶需要升級時,處理起來就相當方便。下面就來說下數據庫自動升級。

假設已經用可自動升級方式初始化了MR,運行時先存入一條數據(MR引入,model創建,不在贅述):

找到數據庫位置并打開,可以看到:

數據已存入表中。假設app已經推廣并有用戶使用,這時增加需求,需要給User加個age字段。這時候MR自動升級的優勢就來了:

1,先新建一個模型文件的新版本,命名默認即可

2,添加完成后可以看到原來只有一個的LocalModel.xcdatamodeld左側多了個三角,點開可看到新建的version。現在給新的model文件中的User實體添加age字段。

3,如果仔細觀察,可以看到左側model文件中有個綠色的對勾,并未勾選在新建的version上面,說明新建的version并非當前模型文件,需要把他選為當前模型文件。

4,根據新的model文件生成新的實體類

好的,升級完成,下面進行測試,新插入一條數據進行測試,在打開數據庫看下:

OK,新數據已經插入,原來的數據也沒有丟失,至此,升級完成。但在代碼中切記判斷age字段是否是 Null。


下面簡單說下數據庫預制。

什么情況下需要提前預制數據庫,想想就知道,但總結來說,就是本地常用的數據,大量的,固定不變的,不適合通過網絡獲取的,都可以提前預制到數據庫。整體思路如下(假設利用模擬器):

1,根據預制需要,先生成相應的數據表;

2,利用死代碼,把需要預制的數據存入表中(這里執行的方法切勿在程序正常使用時執行,只適合打包前,也就是預制時使用一次);

3,找到生成的數據庫文件,剪切到工程目錄中并刪除模擬器中的app應用;

4,利用NSFileManager把工程目錄中的數據庫文件復制到Document目錄或者Library目錄下;

5,利用MR正常生成數據庫,必須寶成此時生成的數據庫文件名字與提前預制的一致,這樣,MR自動會利用提前預制的數據庫;(正常情況下,這種方式只需要在用戶初次安裝時用到,記得做判斷哦)

6,預制成功,繼續自己的工作。

下面是我的demo中的預制數據庫的代碼部分,僅供參考:


下面列出一些常用方法,具體使用不在贅述:

1,查詢所有文件

+ (NSArray *) MR_findAll;

2,根據某個屬性(字段)查詢文件,是否升序(例如根據age 屬性升序或降序查詢)

+ (NSArray *) MR_findAllSortedBy:(NSString *)sortTerm ascending:(BOOL)ascending;

3,根據某個屬性(字段)查詢文件,是否升序,是否有其他限制(比如:根據age升序查詢,限制為:name = @"Lili')

+ (NSArray *) MR_findAllSortedBy:(NSString *)sortTerm ascending:(BOOL)ascending withPredicate:(NSPredicate *)searchTerm;

//舉例

NSPredicate *predicate = [NSPredicate predicateWithFormat:@"name = %@",@"Lili"];

NSArray *resultArr = [User MR_findAllSortedBy:@"age" ascending:YES withPredicate:predicate];


4,直接根據某個限制查詢

+ (NSArray *) MR_findAllWithPredicate:(NSPredicate *)searchTerm;


5,查詢所有實體 //根據上下文

+ (NSArray *) MR_findAllInContext:(NSManagedObjectContext *)context

+ (NSArray *) MR_findAll

不一一舉例了。更多請查看 NSManagedObject+MagicalFinders.h ?頭文件。


tips:

MR每一步都有NSLog輸出,關閉輸出的方式:把 MagicalRecord.h 中第 23行改為 1


有用無用,請砸來閣下的意見,謝謝!

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,837評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,196評論 3 414
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,688評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,654評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,456評論 6 406
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 54,955評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,044評論 3 440
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,195評論 0 287
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,725評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,608評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,802評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,318評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,048評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,422評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,673評論 1 281
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,424評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,762評論 2 372

推薦閱讀更多精彩內容