Drizzle ORM 中 PostgreSQL 枚举类型生成问题解析
2025-05-06 13:17:56作者:董宙帆
在使用 Drizzle ORM 进行 PostgreSQL 数据库开发时,开发者可能会遇到枚举类型无法自动生成的问题。本文将以一个实际案例为基础,深入分析问题原因并提供解决方案。
问题现象
当开发者使用 Drizzle ORM 定义包含枚举类型的表结构时,通过 drizzle-kit 工具执行 push 操作后,发现数据库中没有生成预期的枚举类型。具体表现为:
- 表结构定义中包含枚举字段
- 生成的 SQL 语句中引用了枚举类型
- 但枚举类型本身没有被创建
案例分析
在示例代码中,开发者定义了以下结构:
const languageCodes = languages.map((l) => l.code) as [string, ...string[]];
const languageEnum = pgEnum("language", languageCodes);
export const vocabs = pgTable("vocabs", {
id: serial("id").primaryKey(),
language: languageEnum("language"),
vocabs: varchar("vocabs", { length: 255 }),
created_at: timestamp("created_at", { withTimezone: false }),
});
生成的 SQL 语句为:
CREATE TABLE "vocabs" (
"id" serial PRIMARY KEY NOT NULL,
"language" "language",
"vocabs" varchar(255),
"created_at" timestamp
);
这里可以看到 SQL 中引用了 "language" 枚举类型,但缺少了创建该枚举类型的语句。
问题原因
问题的根本原因在于开发者没有正确导出枚举类型定义。Drizzle ORM 的 drizzle-kit 工具在生成数据库迁移脚本时,只会处理被显式导出的模式定义。
解决方案
要解决这个问题,需要确保以下几点:
- 枚举类型定义必须使用
export关键字显式导出 - 枚举类型需要在表定义之前或同时被导出
修正后的代码应为:
export const languageEnum = pgEnum("language", languageCodes);
export const vocabs = pgTable("vocabs", {
// 表字段定义
});
最佳实践
在使用 Drizzle ORM 处理 PostgreSQL 枚举类型时,建议遵循以下实践:
- 将枚举类型定义与表定义分开管理
- 为枚举类型创建专门的模块或文件
- 确保所有被引用的类型都已正确导出
- 在复杂项目中,考虑使用类型导入/导出机制来组织代码结构
总结
Drizzle ORM 作为一个现代化的 TypeScript ORM 工具,在处理 PostgreSQL 特有的枚举类型时表现良好,但需要开发者注意模块导出规则。通过正确导出枚举类型定义,可以确保数据库迁移脚本的完整性和正确性。这个问题虽然看似简单,但对于刚接触 Drizzle ORM 的开发者来说是一个常见的陷阱。理解这个机制有助于开发者更好地组织数据库模式代码,提高开发效率。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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
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
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1