EdgeDB 嵌套函数中的 DML 查询编译错误解析
2025-05-16 14:01:26作者:昌雅子Ethen
问题背景
在使用 EdgeDB 数据库时,开发者尝试通过创建一系列实用函数来实现基于 JSON 数据的对象插入和检索功能。具体场景是:当 JSON 数据是字符串/UUID 时检索对象,当 JSON 是对象时则执行插入操作。
这种设计模式在单独插入单个对象时工作正常,但当尝试通过嵌套函数调用插入关联数据时,系统会抛出以下错误信息:
InternalServerError: Can't compile ref to inline parameter ns~3@@(__derived__::expr~31)
技术分析
函数设计架构
开发者设计了三层函数结构:
- 基础插入函数:
insert_institution直接执行机构数据的插入操作 - 智能判断函数:
insert_or_create_institution根据输入 JSON 类型决定是插入新记录还是查询现有记录 - 顶层聚合函数:
insert_person处理人员数据及其关联机构
问题重现条件
当执行以下查询时会出现编译错误:
select (insert_person(<json>$0)) { ** }
传入的 JSON 数据结构包含人员基本信息及其关联机构:
{
"first_name": "jane",
"last_name": "doe",
"alias": "jdoe",
"institutions": [
{
"name": "test",
"code": "TEST",
"kind": "Lab"
}
]
}
底层原因
这个错误源于 EdgeDB 编译器在处理嵌套的内联函数时存在缺陷。具体来说:
- 当
insert_person函数调用insert_or_create_institution时 - 后者又可能调用
insert_institution - 在这种多层嵌套的 DML (数据操作语言) 场景下
- 编译器无法正确处理参数引用的作用域
解决方案与建议
临时解决方案
对于需要立即使用的场景,可以考虑:
- 将嵌套的函数调用拆分为多个独立查询
- 在应用层实现逻辑判断而非数据库函数层
- 使用事务包装多个独立操作
最佳实践
在设计 EdgeDB 数据操作逻辑时:
- 避免在函数中嵌套多层 DML 操作
- 对于复杂的数据关系操作,考虑使用脚本(script)而非函数
- 保持函数的单一职责原则
- 对关键操作添加明确的错误处理
技术展望
这类问题反映了 EdgeDB 在函数式编程与 DML 操作结合方面的挑战。随着版本迭代,我们可以期待:
- 更健壮的嵌套函数编译机制
- 更清晰的错误提示信息
- 更完善的 DML-in-function 支持
对于需要复杂数据操作的场景,建议关注 EdgeDB 的版本更新日志,及时获取相关改进信息。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
9
1
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218