Kysely 动态构建 VALUES 子句的高级用法
2025-05-19 12:03:05作者:乔或婵
问题背景
在使用 Kysely 这个 TypeScript SQL 查询构建器时,开发者经常需要从一组动态数据构建 VALUES 子句。标准的 VALUES 语法在 SQL 中允许我们创建临时表结构,这在许多场景下非常有用,比如批量插入数据或者作为子查询使用。
静态 VALUES 实现
Kysely 文档中展示了静态 VALUES 的实现方式:
const values = sql`(values
('2024-08-10 21:45:00'::TIMESTAMP, '2024-08-11 21:45:00'::TIMESTAMP),
('2024-08-11 21:45:00'::TIMESTAMP, '2024-08-12 21:45:00'::TIMESTAMP)
)`.as('t(ts_from, ts_to)')
这种方式对于固定数据量很有效,但当数据是动态变化时就不太适用了。
动态 VALUES 的挑战
开发者尝试通过拼接字符串数组来实现动态 VALUES:
const intervals: [string, string][] = [["one", "two"], ["three", "four"]];
const intervalsStr = intervals.map(([from, to]) => `(${from}, ${to})`).join(",");
然后尝试将其嵌入 SQL 模板:
const values = sql`(values ${sql`${intervalsStr}`})`.as('t(a,b)');
但这种方法会导致 Kysely 将整个字符串视为单个参数,生成的 SQL 不是我们期望的形式。
解决方案
正确的做法是使用 Kysely 的 sql 模板标签函数动态构建每个值元组:
const intervals: [string, string][] = [["one", "two"], ["three", "four"]];
// 动态构建 VALUES 子句
const values = sql`(
values ${sql.join(
intervals.map(([from, to]) => sql`(${sql.val(from)}, ${sql.val(to)})`),
sql`,`
)}
)`.as('t(a, b)');
// 完整查询
const rows = await db
.selectFrom(values)
.select(["t.a", "t.b"])
.execute();
实现原理
sql.join函数:将多个 SQL 片段用指定的分隔符连接起来sql.val函数:安全地插入值,防止 SQL 注入- 动态映射:通过数组的
map方法为每对值创建 SQL 片段
这种方法会生成正确的参数化查询:
SELECT "t"."a", "t"."b"
FROM (VALUES ($1, $2), ($3, $4)) AS t(a, b)
安全注意事项
- 始终使用
sql.val而不是直接插入值,防止 SQL 注入 - 对于大量数据,考虑分批处理以避免性能问题
- 类型系统会确保返回的数据结构与定义的类型一致
扩展应用
这种技术不仅适用于简单的值对,还可以扩展到更复杂的场景:
- 动态构建批量插入语句
- 创建临时数据集用于复杂查询
- 实现行级数据转换和处理
通过掌握 Kysely 的动态 SQL 构建能力,开发者可以创建更加灵活和强大的数据库查询。
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。Vue06- 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
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
572
3.85 K
Ascend Extension for PyTorch
Python
388
459
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++
894
682
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
354
213
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
807
198
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
🔥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
🎉 (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
1.38 K
781