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 StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 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。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-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++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
494
515
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++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 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++
970
2.28 K
deepin linux kernel
C
32
16
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++
480
312
JiuwenSwarm 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。
Python
3.01 K
766
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。
Markdown
1.26 K
808
CANN 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 Notebook
647
284