LoopBack数据模型定义语言(LDL)完全指南
2025-06-04 02:29:49作者:劳婵绚Shirley
前言
LoopBack数据源Juggler中的模型定义语言(LDL)是定义数据模型的核心工具。本文将全面解析LDL的语法特性、使用场景和最佳实践,帮助开发者高效构建LoopBack应用的数据模型层。
什么是LDL
LDL(LoopBack Definition Language)是一种简洁的领域特定语言,用于在JavaScript或JSON中定义数据模型。它提供了:
- 类型系统:支持基本数据类型和复杂类型
- 模型继承:支持模型间的继承关系
- 关系定义:支持多种模型关联方式
- 数据约束:支持字段级验证规则
- 数据映射:支持与底层数据源的映射配置
基础模型定义
简单JSON定义
{
"id": "number",
"firstName": "string",
"lastName": "string"
}
这个模型定义了三个属性:
id: 数字类型firstName: 字符串类型lastName: 字符串类型
JavaScript定义
var UserDefinition = {
id: Number,
firstName: String,
lastName: String
}
JavaScript版本更为简洁,直接使用类型构造函数。
支持的基本类型
LDL支持以下基本类型:
- String/Text
- Number
- Boolean
- Array
- Object
- Date
- Buffer/Binary
- GeoPoint
类型名称不区分大小写,"Number"和"number"等效。
模型构造器创建
使用ModelBuilder将定义转换为可用的模型构造器:
var ModelBuilder = require('loopback-datasource-juggler').ModelBuilder;
var modelBuilder = new ModelBuilder();
var User = modelBuilder.define('User', {
id: Number,
firstName: String,
lastName: String
});
var user = new User({id: 1, firstName: 'John', lastName: 'Smith'});
模型行为扩展
数据源注入方法
var DataSource = require('loopback-datasource-juggler').DataSource;
var ds = new DataSource('memory');
var User = ds.define('User', UserDefinition);
User.create({id: 1, firstName: 'John', lastName: 'Smith'}, function(err, user) {
// CRUD操作
});
手动添加方法
// 静态方法
User.findByLastName = function(lastName, cb) {
User.find({where: {lastName: lastName}}, cb);
};
// 实例方法
User.prototype.getFullName = function() {
return this.firstName + ' ' + this.lastName;
};
高级模型配置
模型级选项
{
"name": "User",
"options": {
"strict": true, // 是否严格模式
"idInjection": false, // 是否自动注入id
"plural": "users" // 复数形式
},
"properties": {...}
}
属性定义进阶
{
"id": {
"type": "number",
"id": true,
"doc": "用户ID"
},
"firstName": {
"type": "string",
"required": true,
"oracle": {
"column": "FIRST_NAME",
"type": "VARCHAR(32)"
}
}
}
复合ID
var InventoryDefinition = {
productId: {type: String, id: 1},
locationId: {type: String, id: 2},
qty: Number
}
模型关系
一对一关系 (belongsTo)
Order.belongsTo(Customer);
// 使用方式
order.customer(callback);
一对多关系 (hasMany)
Customer.hasMany(Order, {as: 'orders', foreignKey: 'customerId'});
// 使用方式
customer.orders(filter, callback);
多对多关系 (hasAndBelongsToMany)
User.hasAndBelongsToMany('groups', {model: Group, foreignKey: 'groupId'});
// 使用方式
user.groups(callback);
通过中间表的多对多 (hasMany through)
Physician.hasMany(Patient, {through: Appointment});
Patient.hasMany(Physician, {through: Appointment});
模型继承与混入
继承
var Customer = User.extend('customer', {
accountId: String,
vip: Boolean
});
混入
var TimeStamp = modelBuilder.define('TimeStamp', {
created: Date,
modified: Date
});
User.mixin(TimeStamp);
最佳实践
- 命名规范:模型名使用单数形式,属性名使用小驼峰
- 严格模式:生产环境建议启用严格模式
- 文档注释:为重要属性添加doc描述
- 关系设计:根据业务需求选择合适的关系类型
- 类型选择:精确选择数据类型,如Date而非字符串存储时间
总结
LoopBack的模型定义语言提供了强大而灵活的方式来定义数据模型。通过本文的介绍,开发者可以掌握从基础模型定义到复杂关系配置的全套技能,为构建健壮的LoopBack应用打下坚实基础。
登录后查看全文
热门项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Python小说下载神器:一键获取番茄小说完整内容如何用md2pptx快速将Markdown文档转换为专业PPT演示文稿 📊京东评价自动化工具:用Python脚本解放双手的高效助手三步掌握Payload-Dumper-Android:革新性OTA提取工具的核心价值定位终极Obsidian模板配置指南:10个技巧打造高效个人知识库终极指南:5步解锁Rockchip RK3588全部潜力,快速上手Ubuntu 22.04操作系统WebPlotDigitizer 安装配置指南:从图像中提取数据的开源工具终极FDS入门指南:5步掌握火灾动力学模拟技巧高效获取无损音乐:跨平台FLAC音乐下载工具全解析终极指南:5步复现Spring Boot高危漏洞CVE-2016-1000027
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
530
3.74 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
336
177
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
355
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++
885
595
暂无简介
Dart
770
191
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
114
139
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246