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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00