Ash框架中relates_to_actor_via导致的SQL性能问题分析
2025-07-08 08:23:47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
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