Drizzle ORM 中 nullable 字段在插入时的类型问题解析
问题背景
在使用 Drizzle ORM 时,开发者经常会遇到一个类型系统问题:当表结构中包含可为空(nullable)的字段时,在创建插入操作时会遇到 TypeScript 的类型错误。这个问题在 drizzle-orm 0.38.2 版本中尤为明显,表现为 TypeScript 报错"Object literal may only specify known properties",即对象字面量只能包含已知属性。
问题表现
在定义表结构时,如果某些字段被设置为可为空(如使用 .default(null) 或不加 .notNull()),在后续的插入操作中,TypeScript 会错误地认为这些字段不应该出现在插入值中。例如:
const users = pgTable("users", {
id: integer("id").primaryKey().notNull().unique(),
firstName: varchar("first_name", { length: 255 }).default(null),
lastName: varchar("last_name", { length: 255 }).default(null),
username: varchar("username", { length: 255 }).notNull()
});
当尝试插入数据时:
await db.insert(users).values({
id: 1,
username: "test",
firstName: "John", // 这里会报类型错误
lastName: "Doe" // 这里会报类型错误
});
TypeScript 会提示 firstName 和 lastName 不是有效的属性。
技术原因
这个问题的根本原因在于 Drizzle ORM 的类型推断系统($inferInsert)在处理可为空字段时,没有正确地将这些字段标记为可选属性。在 TypeScript 的类型系统中,一个字段如果是可选的,应该使用 ? 标记,如 { prop?: string }。
在 Drizzle ORM 0.38.2 版本中,类型系统错误地将所有字段(无论是否为 nullable)都视为必须属性,导致在实际插入操作时,TypeScript 认为开发者试图添加不存在的属性。
解决方案
这个问题在 drizzle-orm 0.38.3 和 drizzle-zod 0.6.1 版本中已得到修复。升级到这些版本后,类型系统会正确识别可为空字段,并将其标记为可选属性。
对于使用 createInsertSchema 的情况,解决方案类似:
export const createAuthSchema = createInsertSchema(authTable, {
data: z.record(z.unknown()) // 显式指定复杂类型的验证规则
}).omit({
createdAt: true,
updatedAt: true
});
最佳实践
-
保持依赖更新:始终使用最新版本的 Drizzle ORM 和相关库,以避免已知的类型问题。
-
显式类型定义:对于复杂字段(如 JSON 类型),建议显式定义其 Zod 验证规则。
-
类型检查:在开发过程中,定期检查生成的类型是否符合预期,特别是在表结构变更后。
-
测试覆盖:为数据库操作编写类型测试,确保类型系统按预期工作。
总结
Drizzle ORM 的类型系统在大多数情况下都能提供良好的类型安全,但在处理可为空字段时曾经存在缺陷。通过理解问题的本质和解决方案,开发者可以更高效地使用这个 ORM 工具,同时享受 TypeScript 带来的类型安全优势。记住,保持库的更新是避免这类问题的最简单方法。
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