Ash项目中的默认排序机制优化方案
2025-07-08 08:29:24作者:袁立春Spencer
背景介绍
在Ash框架中,当资源(Resource)配置了全局准备(preparation)排序,同时又通过其他扩展(如JSON API)应用了不同的排序条件时,会出现排序条件拼接的问题。这会导致数据库查询出现不符合预期的结果,甚至在某些数据库(如SQLite)中引发500错误。
问题分析
当前Ash框架在处理排序时存在以下问题:
- 当全局准备(preparation)中定义了排序条件,而API请求中也指定了排序参数时,两者会被简单地拼接在一起
- 在PostgreSQL中,这可能导致返回与请求相反的排序结果
- 在SQLite中,可能导致重复列错误并返回500状态码
解决方案
核心思路
引入default_sort概念,提供一种机制来定义默认排序规则,同时允许这些规则在必要时被覆盖。这可以通过以下几种方式实现:
- 在准备(preparation)层级添加
default_sort选项 - 在JSON API路由配置中添加
default_sort选项 - 实现智能合并策略,确保当显式指定排序时,默认排序可以被忽略或合理合并
技术实现方案
-
新增
Ash.Query.default_sort/2函数:- 该函数仅在当前查询没有非空排序条件时应用指定的排序
- 否则保持现有排序不变
-
扩展
Ash.Query.build/2支持:- 允许在准备阶段使用
build(default_sort: [...])语法 - 使默认排序配置更加简洁直观
- 允许在准备阶段使用
-
关系(Relationship)默认排序支持:
- 在关系DSL中添加
default_sort选项 - 在构建关系查询时自动应用默认排序
- 实现逻辑:
Ash.Query.sort(relationship.sort) |> Ash.Query.default_sort(relationship.default_sort)
- 在关系DSL中添加
临时解决方案
对于急需解决此问题的开发者,可以通过自定义准备(preparation)实现类似功能:
defmodule MyApp.Preparations.SortDescByOverridableAttribute do
use Ash.Resource.Preparation
@impl true
def init(opts) do
if is_atom(opts[:attribute]), do: {:ok, opts}, else: {:error, "attribute must be an atom!"}
end
@impl true
def prepare(query, %{attribute: attribute}, _context) do
if Keyword.has_key?(query.sort, attribute), do: query, else: Ash.Query.sort(query, [{attribute, :desc}])
end
end
然后在资源中配置:
preparations do
prepare {SortDescByOverridableAttribute, attribute: :inserted_at}
end
技术价值
- 更合理的默认行为:默认排序只在没有显式排序时生效,符合开发者直觉
- 更好的兼容性:避免了不同来源排序条件冲突导致的数据库问题
- 更灵活的配置:支持在多个层级定义默认排序,满足不同场景需求
- 更清晰的代码:通过专用函数和DSL选项,使排序逻辑更加明确
最佳实践建议
- 对于需要强保证排序顺序的资源,优先使用
default_sort而非普通sort - 在API设计中,考虑通过文档明确说明哪些字段支持排序覆盖
- 对于复杂排序需求,可以组合使用默认排序和自定义准备(preparation)
- 在测试中应包含默认排序被覆盖的场景,确保行为符合预期
总结
Ash框架的排序机制优化方案通过引入default_sort概念,解决了多来源排序条件冲突的问题,同时提供了更灵活、更符合直觉的排序配置方式。这一改进不仅提升了框架的稳定性,也为开发者提供了更强大的数据查询控制能力。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C081
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
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
最新内容推荐
Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 STM32到GD32项目移植完全指南:从兼容性到实战技巧 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
465
3.46 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
200
81
暂无简介
Dart
715
172
Ascend Extension for PyTorch
Python
274
311
React Native鸿蒙化仓库
JavaScript
285
331
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++
846
424
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
10
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.26 K
693
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
107
120