MikroORM中实现虚拟属性在Embeddable中的水合机制
2025-05-28 09:40:58作者:羿妍玫Ivan
在MikroORM这个Node.js的ORM框架中,Embeddable(可嵌入实体)是一个非常有用的特性,它允许我们将一组相关属性封装到一个可重用的类中。然而,当我们需要在Embeddable中使用虚拟属性(即不映射到实际数据库列的属性)时,会遇到一些挑战。
问题背景
在MikroORM的标准用法中,Embeddable通常用于表示实际存储在数据库中的值。但某些场景下,开发者希望将Embeddable用作计算属性的容器,这些属性并不直接对应数据库列,而是通过查询计算得出的。
例如,我们可能有一个统计信息的Embeddable,包含销售额、票数、收入等指标,这些数据是通过复杂查询聚合计算得出的,而非直接存储的字段。
技术实现方案
MikroORM通过persist: false配置项来标记虚拟属性。当在Embeddable中使用时,需要特别注意以下几点:
- 属性级配置:在每个Embeddable属性上明确设置
persist: false - 查询构建:使用QueryBuilder时,需要确保select语句中的别名与Embeddable属性名匹配
- 水合机制:MikroORM会自动处理这些虚拟属性的水合过程
实际应用示例
以下是一个典型的使用场景:
@Entity()
export class EventEntity {
@PrimaryKey({ type: 'uuid', defaultRaw: 'gen_random_uuid()' })
id: string;
@Property()
name: string;
@Embedded(() => Statistic, { nullable: true })
statistic?: Statistic;
}
@Embeddable()
export class Statistic {
@Property({ type: 'int', persist: false })
sales?: number;
@Property({ type: 'int', persist: false })
tickets?: number;
// 其他统计属性...
}
查询构建示例:
const qb = em.createQueryBuilder(EventEntity, 'e')
.select([
'e.*',
'sum(oi.amount) as tickets',
'count(distinct oi.order_id) as sales'
// 其他计算字段...
])
// 连接和分组条件...
注意事项
- 性能考量:虚拟属性的计算通常发生在数据库层面,比应用层计算更高效
- 类型安全:确保查询结果中的列别名与Embeddable属性名完全匹配
- 默认行为:
persist: true是默认值,在Embeddable中显式设置为false才能创建虚拟属性 - 继承规则:在父级Embedded装饰器上设置
persist: false会使所有子属性变为虚拟属性
最佳实践
- 对于纯计算属性,建议统一使用
persist: false标记 - 考虑将相关计算逻辑封装到Repository或Service层
- 对于复杂统计场景,可以结合数据库视图使用
- 在团队开发中,明确文档说明Embeddable的使用方式
MikroORM的这种设计提供了灵活性,既支持传统的持久化Embeddable,也支持计算属性的场景,开发者可以根据实际需求选择最适合的方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284