Hibernate映射

标签：合成   变量   属性   nbsp   tab   关系   一对多   实体   数据   

（单向）

多对一关联映射：在多的一端加入一个外键指向一的一端，它维护的关系是多指向一

一对多关联映射：在多的一端加入一个外键指向一的一端，它维护的关系是一指向多

也就是说一对多和多对一的映射策略是一样的，只是站的角度不同

1.多对一（下面示例人员表(Info),民族表(Nation)）  多个人员对应一个民族。要知道，人员表中的外键列nation是对应民族表的主键列code。所以要在Info.hbm.xml中配置nation外键指向民族表。（如下图所示）

一般需要加上cascade="save-update"，加这个配置业属性目的是，many表和one表一起更新

2.一对多（下面以人员表(Info)和工作简历(Work)表为例）每个人员对应个工作简历。

首先需要在Info的实体类中加入一个Set<Work> 类型的字段。

然后再Info.hbm.xml中配置一对多。（如下图所示）

<set name="实体类中集合成员的变量名(works)">
<one-to-many class="Work表">
<key>

    <column name="InfoCode" ></colum>

</key>
</set>

 3.一对一（人员表与密码表）每个人对应相应的用户密码：（因为外键值设置在login表上，所以在login.hbm.xml中配置信息）

4.多对多

数据库中没有多对多的关系。只有程序里面有。数据库中是使用两个一对多和多对一来实现多对多的。典型的是：中间表
在程序中，如果中间表中没有其它信息，那就可以不用写中间表的实体类。
多对多，还可以用在：用户和角色的关系上。
1.给类加关联对象（集合对象）
2.给hbm.xml配置
<set name="当前类的集合属性" table="中间表">
<key column="中间表中与此表对应的外键"></key>
<many-to-many class="另外多方对象的类名" column="另外多方对象在中间表中的外键"></many-to-many>
</set>

<set name="courses" table="score">
<key column="sno"></key>
<many-to-many class="Course" column="cno"></many-to-many>
</set>

 （双向）

双向多对一关联 是最常见的关联关系。（这也是标准的父/子关联关系。）

<class name="Person">
    <id name="id" column="personId">
        <generator class="native"/>
    </id>
    <many-to-one name="address" 
        column="addressId"
        not-null="true"/>
</class>

<class name="Address">
    <id name="id" column="addressId">
        <generator class="native"/>
    </id>
    <set name="people" inverse="true">
        <key column="addressId"/>
        <one-to-many class="Person"/>
    </set>
</class>

基于外键关联的双向一对一关联也很常见。

<class name="Person">
    <id name="id" column="personId">
        <generator class="native"/>
    </id>
    <many-to-one name="address" 
        column="addressId" 
        unique="true"
        not-null="true"/>
</class>

<class name="Address">
    <id name="id" column="addressId">
        <generator class="native"/>
    </id>
   <one-to-one name="person" 
        property-ref="address"/>
</class>

Hibernate映射

标签：合成   变量   属性   nbsp   tab   关系   一对多   实体   数据   

原文地址：http://www.cnblogs.com/AnswerTheQuestion/p/6512398.html