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
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- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
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
360
219
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++
902
706
🎉 (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
1.39 K
787
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
365
暂无简介
Dart
814
200
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
124
161
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++
93
161