LoopBack数据模型定义语言(LDL)完全指南
2025-06-04 16:34:19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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
645
149
Ascend Extension for PyTorch
Python
207
221
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++
653
286
React Native鸿蒙化仓库
JavaScript
250
317
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
🎉 (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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873