Drizzle ORM 视图类型推断功能解析
2025-05-06 21:13:51作者:郁楠烈Hubert
Drizzle ORM 作为一个现代化的 TypeScript ORM 工具,近期在其生态系统中新增了对视图(View)类型推断的支持,这一功能对于使用视图进行数据操作的开发者来说具有重要意义。
视图类型推断的背景
在数据库开发中,视图作为虚拟表,经常被用来简化复杂查询或实现数据安全层。然而在 TypeScript 环境中,视图的类型推断一直是个挑战。开发者过去需要手动定义视图返回类型或创建与视图结构相同的"伪表"来获得类型安全。
解决方案演进
Drizzle ORM 最初只支持对实体表的 $inferSelect 类型推断。对于视图,开发者不得不使用变通方法:
type CustomerView = InferModelFromColumns<
typeof custView._.selectedFields,
"select",
{ dbColumnNames: false }
>;
这种方式虽然可行,但不够直观,也增加了代码维护成本。
最新改进
随着 Drizzle ORM 生态系统的更新,现在所有验证器包都原生支持视图类型推断:
drizzle-zod@0.6.0drizzle-valibot@0.3.0drizzle-typebox@0.2.0
这意味着开发者现在可以像使用实体表一样,直接对视图使用 $inferSelect 类型推断:
type CustomerView = typeof custView.$inferSelect;
技术实现原理
Drizzle ORM 通过分析视图的选定字段(selectedFields)来生成对应的 TypeScript 类型。这一过程与表类型推断类似,但针对视图的特殊性做了适配:
- 解析视图定义中的列信息
- 映射数据库类型到 TypeScript 类型
- 生成包含所有视图字段的类型定义
- 支持选择(select)和插入(insert)等不同操作的类型变体
实际应用价值
这一改进带来的直接好处包括:
- 开发效率提升:减少手动类型定义的工作量
- 代码可维护性增强:视图结构变化时,类型自动更新
- 类型安全保证:编译时就能发现视图查询中的类型问题
- 一致性体验:表和视图采用相同的类型推断方式
最佳实践建议
在使用视图类型推断时,建议:
- 保持视图定义的清晰文档
- 对复杂视图考虑添加类型注释
- 定期更新 Drizzle 相关包以获取最新类型功能
- 在团队中统一视图类型的使用规范
Drizzle ORM 的这一改进展示了其对开发者体验的持续关注,也体现了现代 ORM 工具在类型安全方面的不断进步。
登录后查看全文
热门项目推荐
相关项目推荐
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
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
130
189
openJiuwen 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
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160