Ash Framework 中实现复合唯一约束的优雅方案
2025-07-08 21:56:04作者:幸俭卉
在数据库设计中,确保数据的唯一性约束是一个常见需求。Ash Framework 作为一个强大的 Elixir 框架,提供了多种方式来处理这类问题。本文将深入探讨如何在 Ash 中优雅地实现复合唯一约束,特别是针对需要特殊处理(如大小写不敏感)的场景。
复合唯一约束的常见场景
让我们以一个音乐数据库为例,其中包含专辑(albums)和艺术家(artists)两个主要实体。业务规则要求:
- 每个艺术家的专辑名称必须唯一
- 专辑名称的比较应该是大小写不敏感的
在传统 SQL 中,我们会创建一个复合唯一索引:
CREATE UNIQUE INDEX unique_name_per_artist ON albums (artist_id, LOWER(name));
Ash Framework 的现有解决方案
Ash 提供了 identities 功能来处理唯一性约束。当前实现方式需要借助计算字段:
postgres do
calculations_to_sql lowercase_name: "LOWER(name)"
end
calculations do
calculate :lowercase_name, :string, expr(string_downcase(name))
end
identities do
identity :unique_name_per_artist, [:lowercase_name, :artist_id]
end
这种实现存在两个主要限制:
- 计算字段不是数据库原生支持的属性,导致与 Phoenix.Form 的集成不够顺畅
- 错误信息默认附加到第一个字段上,不够灵活
改进方案:error_fields 选项
Ash 核心团队提出了更优雅的解决方案——引入 error_fields 选项。这个方案允许开发者:
- 保持数据库层面的复合唯一约束
- 灵活指定错误信息应该附加到哪些字段上
- 无需暴露中间的计算字段给前端
改进后的实现方式:
identities do
identity :unique_name_per_artist,
[:artist_id, :lowercase_name],
error_fields: [:name],
message: "专辑名称已存在"
end
技术实现细节
这个改进涉及两个层面的变更:
- Ash 核心层:修改
Ash.Changeset模块,使其在验证唯一性时考虑error_fields选项 - PostgreSQL 适配器层:调整错误处理逻辑,确保数据库返回的约束违规能正确映射到指定的字段
值得注意的是,Ash 的错误系统本身就支持将错误附加到多个字段上,这使得 error_fields 可以接受一个字段列表而不仅限于单个字段。
实际应用建议
在实际开发中,我们建议:
- 对于简单的唯一性约束,直接使用标准的
identity声明 - 对于需要特殊处理(如大小写不敏感)的复合约束,使用
error_fields方案 - 合理设计错误消息,确保最终用户能理解约束失败的原因
这种改进不仅解决了技术上的限制,还提升了开发体验和最终用户的使用感受,体现了 Ash Framework 对开发者友好性的持续关注。
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
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