SQLDelight中PostgreSQL的UPDATE FROM语句编译问题解析
在SQLDelight 2.0.1版本中使用PostgreSQL方言时,开发者可能会遇到一个特定的编译错误。当尝试执行带有FROM子句的UPDATE语句时,如果目标表和源表存在同名列,系统会报出"Multiple columns found with name"的错误。
问题现象
考虑以下数据库表结构:
CREATE TABLE table(
table_id BIGSERIAL PRIMARY KEY,
other_id BIGSERIAL NOT NULL
);
CREATE TABLE other(
other_id BIGSERIAL PRIMARY KEY,
other_name varchar(255) UNIQUE NOT NULL
);
当开发者编写如下UPDATE语句时:
UPDATE table
SET other_id = o.other_id
FROM other o
WHERE other_name = :otherName AND table_id = :tableId;
SQLDelight编译器会报错:"Multiple columns found with name other_id",指出在SET子句中的第一个other_id处存在问题。
问题本质
这个问题的根源在于SQLDelight的类型检查器在处理UPDATE FROM语句时,无法正确区分同名的列来自哪个表。在PostgreSQL中,UPDATE FROM语法是合法的,它允许开发者从一个表更新另一个表的数据。然而,SQLDelight的类型系统在解析这类语句时,会同时看到两个表中的other_id列,导致混淆。
临时解决方案
开发者可以采用WITH子句(公用表表达式)作为临时解决方案:
WITH cte(id) AS (
SELECT other_id FROM other WHERE other_name = :otherName
)
UPDATE table
SET other_id = cte.id
FROM cte
WHERE table_id = :tableId;
需要注意的是,如果CTE中使用了与列名相同的别名(如将cte(id)改为cte(other_id)),同样会触发相同的错误。
技术背景
这个问题与SQLDelight处理SQL语句的方式有关。SQLDelight会在编译时对SQL语句进行类型检查,确保所有引用的列都存在且类型匹配。在UPDATE FROM语句中,当两个表有同名列时,类型检查器需要明确知道每个列引用指向的是哪个表的列。
PostgreSQL的UPDATE FROM语法虽然强大,但也增加了SQL解析的复杂性。SQLDelight需要正确识别SET子句中的列属于目标表,而FROM子句中的列属于源表。
解决方案进展
根据项目协作者的反馈,这个问题与之前SQLite方言中出现的类似问题相同。开发团队已经为SQLite实现了修复方案,同样的修复方法也适用于PostgreSQL方言。这意味着未来的SQLDelight版本将会解决这个问题,使开发者能够正常使用UPDATE FROM语法而无需使用CTE变通方案。
总结
SQLDelight作为类型安全的SQL生成器,在处理复杂SQL语句时会进行严格的类型检查。虽然这有时会导致一些语法限制,但也确保了生成的SQL语句的类型安全。开发者在使用UPDATE FROM这类高级语法时,需要注意同名列可能带来的问题,可以暂时使用CTE作为替代方案,等待官方修复发布。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00