Ash框架中relates_to_actor_via导致的SQL性能问题分析
2025-07-08 18:46:13作者:江焘钦
在Ash框架使用过程中,开发者发现了一个与权限策略相关的SQL查询性能问题。当使用relates_to_actor_via条件结合is_nil检查时,框架生成的SQL查询会包含一个昂贵的LEFT OUTER JOIN操作,这导致查询性能显著下降。
问题现象
在权限策略中同时使用relates_to_actor_via和is_nil条件时,例如:
policy action_type([:read]) do
authorize_if relates_to_actor_via([:user])
authorize_if expr(is_nil(user_id))
end
Ash框架会生成如下SQL查询:
SELECT v0."id", v0."slug", v0."name"
FROM "resource" AS v0
LEFT OUTER JOIN "public"."users" AS u1 ON v0."user_id" = u1."id"
WHERE (
(u1."id"::uuid = '<uuid>'::uuid)
OR (v0."user_id"::uuid IS NULL)
);
这个查询由于使用了LEFT OUTER JOIN,执行效率较低。相比之下,直接检查user_id字段的查询性能要高30倍:
SELECT v0."id", v0."slug", v0."name"
FROM "resource" AS v0
WHERE ((v0."user_id"::uuid IS NULL) OR (v0."user_id"::uuid = '<uuid>'))
技术原理
问题的根源在于Ash框架处理relates_to_actor_via条件的方式。当使用这个宏时,框架需要确定资源是否与当前执行者(actor)相关联。默认情况下,它会通过JOIN关联表来验证这种关系。
当这个条件与is_nil检查组合使用时,由于使用了OR逻辑,框架必须确保即使关联表中没有匹配记录(即LEFT JOIN结果为NULL)时,查询仍能返回结果。这就强制使用了LEFT OUTER JOIN而不是更高效的直接字段比较。
解决方案
目前框架维护者建议的解决方案是避免使用relates_to_actor_via宏,而是直接比较user_id字段:
policy action_type([:read]) do
authorize_if expr(user_id == ^actor(:id))
authorize_if expr(is_nil(user_id))
end
这种写法会生成更高效的SQL查询,因为它可以直接比较字段值而不需要表连接。
未来优化方向
框架维护者指出,未来可能会优化这种情况,自动将类似"foo.id"的引用替换为"foo_id"的直接比较,前提是当前资源通过非过滤关系属于该关联对象。这种优化可以保留relates_to_actor_via的语义同时提高查询性能。
最佳实践建议
在编写Ash权限策略时,开发者应当:
- 对于简单的关联检查,优先考虑直接比较外键字段而非使用
relates_to_actor_via - 注意OR条件组合可能导致的查询计划变化
- 在性能关键路径上,手动检查生成的SQL查询
- 对于复杂权限逻辑,考虑使用更基础的表达式而非高级宏
通过理解这些底层机制,开发者可以更好地平衡代码简洁性和查询性能。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0120
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
684
1.33 K
Ascend Extension for PyTorch
Python
720
883
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
457
440
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
262
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
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
610