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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
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
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
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
12
2