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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00