Jennifer:Crystal语言的ActiveRecord实现
2024-09-08 12:14:05作者:昌雅子Ethen
项目介绍
Jennifer是一个为Crystal语言设计的ActiveRecord模式实现,提供了强大的查询DSL、验证、关系定义、翻译和迁移机制。无论你是Crystal语言的新手还是老手,Jennifer都能帮助你轻松管理数据库模型,简化开发流程。
项目技术分析
核心功能
- ActiveRecord模式:Jennifer实现了ActiveRecord模式,允许开发者通过模型类直接与数据库交互,简化了数据操作。
- 查询DSL:提供了一个灵活的查询DSL,支持复杂的SQL查询,包括JOIN、GROUP BY、CTE等。
- 验证机制:内置了可扩展的验证功能,确保数据的完整性和一致性。
- 关系定义:支持多种关系定义,如
belongs_to、has_many、has_one、has_and_belongs_to_many,甚至支持多态关系。 - 迁移管理:内置数据库迁移管理,方便开发者组织和管理数据库变更。
- 国际化支持:通过i18n库,支持多语言错误消息和模型名称配置。
技术栈
- Crystal语言:Jennifer完全基于Crystal语言开发,充分利用了Crystal的高性能和类型安全特性。
- 数据库支持:支持MySQL、PostgreSQL和SQLite3,开发者可以根据需求选择合适的数据库。
- CLI工具:使用Sam作为命令行工具,方便生成模型、迁移和管理数据库。
项目及技术应用场景
Jennifer适用于各种需要高效数据库操作的Crystal项目,特别是以下场景:
- Web应用开发:无论是简单的博客系统还是复杂的电商平台,Jennifer都能提供强大的数据操作支持。
- API服务:为API服务提供高效的数据库查询和操作,确保服务的响应速度和稳定性。
- 数据分析:支持复杂的SQL查询和聚合操作,适合需要进行数据分析和报表生成的项目。
项目特点
1. 强大的查询DSL
Jennifer的查询DSL非常灵活,支持多种SQL操作,包括JOIN、GROUP BY、CTE等。开发者可以通过简单的代码实现复杂的查询需求,大大提高了开发效率。
Contact
.all
.left_join(Passport) { _contact_id == _contact__id }
.order(id: :asc).order(Contact._name.asc.nulls_last)
.with_relation(:passport)
.to_a
2. 灵活的模型定义
Jennifer允许开发者灵活定义模型,支持多种字段类型、默认值、验证和回调。通过简单的代码,开发者可以定义出符合业务需求的模型。
class Contact < Jennifer::Model::Base
with_timestamps
mapping(
id: Primary64,
name: String,
gender: { type: String?, default: "male" },
age: { type: Int32, default: 10 },
description: String?,
created_at: Time?,
updated_at: Time?
)
has_many :facebook_profiles, FacebookProfile
validates_inclusion :age, 13..75
validates_length :name, minimum: 1, maximum: 15
end
3. 内置的迁移管理
Jennifer内置了数据库迁移管理,开发者可以通过简单的命令生成和运行迁移,确保数据库结构的版本控制和一致性。
$ crystal sam.cr -- generate:migration CreateContact
$ crystal sam.cr -- db:setup
4. 国际化支持
Jennifer通过i18n库,支持多语言错误消息和模型名称配置,方便开发国际化应用。
5. 高效的测试支持
Jennifer提供了高效的测试支持,通过事务回滚机制,确保测试用例之间的数据隔离,提高测试效率。
Spec.before_each do
Jennifer::Adapter.default_adapter.begin_transaction
end
Spec.after_each do
Jennifer::Adapter.default_adapter.rollback_transaction
end
结语
Jennifer为Crystal语言提供了一个强大且易用的ActiveRecord实现,无论是简单的数据操作还是复杂的查询需求,Jennifer都能满足你的需求。如果你正在寻找一个高效、灵活的数据库操作库,Jennifer绝对值得一试!
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218