You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

如何在Elementor循环网格中获取LearnDash已选课?内存溢出问题

解决Elementor循环网格中获取LearnDash已选课程的内存耗尽问题

问题概述

尝试在Elementor循环网格中展示当前登录用户的已选LearnDash课程时,触发PHP内存耗尽错误:

PHP Fatal error: Allowed memory size of 6340739072 bytes exhausted (tried to allocate 20480 bytes) in /www/be10x_939/public/wp-content/plugins/elementor-pro/modules/notes/user/capabilities.php on line 37

使用的代码存在变量作用域错误与冗余查询逻辑,导致内存占用异常。

代码问题分析

  1. 变量作用域失效:$enrolled_courses仅在get_learndash_enrolled_courses_query函数内部定义,回调函数中直接调用该变量会返回null,导致后续判断逻辑完全失效。
  2. 冗余查询占用内存:先通过learndash_user_get_enrolled_courses获取课程ID数组,再新建WP_Query实例,最后又将实例的posts对象传给原查询,完全没必要的重复操作会额外消耗内存,甚至触发循环查询。

修正后的代码

// Elementor Query for Learndash - 获取用户已选课程ID数组
function get_learndash_enrolled_course_ids() {
    if (!is_user_logged_in()) {
        return [];
    }

    $user_id = get_current_user_id();
    if (!function_exists('learndash_user_get_enrolled_courses')) {
        error_log('learndash_user_get_enrolled_courses 函数未找到');
        return [];
    }

    // 直接返回课程ID数组,避免冗余WP_Query
    return learndash_user_get_enrolled_courses($user_id, [], false) ?: [];
}

// 绑定Elementor自定义查询钩子
add_action('elementor/query/aryn_learndash_enrolled_courses', function($query) {
    $enrolled_course_ids = get_learndash_enrolled_course_ids();
    
    // 仅当有已选课程时修改查询参数
    if (!empty($enrolled_course_ids)) {
        $query->set('post_type', 'sfwd-courses');
        $query->set('post__in', $enrolled_course_ids);
        // 确保查询返回有效结果
        $query->set('posts_per_page', -1);
        $query->set('no_found_rows', true); // 禁用总数计算,提升性能
    } else {
        // 无已选课程时返回空结果
        $query->set('post__in', [0]);
    }
});

关键优化点

  • 直接返回课程ID数组,避免创建多余的WP_Query实例,减少内存占用
  • 修复变量作用域问题,确保回调函数能正确获取已选课程ID
  • 添加no_found_rows参数禁用查询总数计算,提升查询性能
  • 无已选课程时主动设置返回空结果,避免默认查询返回所有课程

验证步骤

  1. 确保LearnDash插件已激活并正常运行
  2. 在Elementor编辑器中,给循环网格部件设置自定义查询ID为aryn_learndash_enrolled_courses
  3. 登录不同用户测试,确认仅展示当前用户的已选课程

内容的提问来源于stack exchange,提问作者Aryan Chaurasia

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.07.01 19:19:57