首页
/ Drizzle ORM 中 snake_case 命名风格的配置问题解析

Drizzle ORM 中 snake_case 命名风格的配置问题解析

2025-05-06 12:35:51作者:邓越浪Henry

在使用 Drizzle ORM 进行数据库操作时,开发者经常会遇到命名风格不一致的问题。本文将深入分析 Drizzle ORM 和 Drizzle Kit 中 snake_case 命名风格的配置方式,帮助开发者避免常见的配置陷阱。

问题背景

Drizzle ORM 提供了灵活的命名风格配置选项,允许开发者在数据库列名和表名中使用不同的命名约定。然而,很多开发者在使用过程中发现,即使他们在 Drizzle 客户端配置了 casing: 'snake_case',生成的数据库列名仍然保持 camelCase 风格。

核心问题分析

这个问题实际上源于 Drizzle ORM 和 Drizzle Kit 是两个独立的工具,它们各自有自己的配置系统:

  1. Drizzle ORM 配置:控制运行时查询时的命名转换行为
  2. Drizzle Kit 配置:控制数据库迁移和代码生成时的命名风格

正确配置方式

要完全实现 snake_case 命名风格,需要在两个地方进行配置:

1. Drizzle 客户端配置

import { drizzle } from 'drizzle-orm/libsql';

const db = drizzle('file:local.sqlite', {
  casing: 'snake_case',  // 控制查询时的命名转换
  schema: { usersTable }
});

2. Drizzle Kit 配置

import { defineConfig } from 'drizzle-kit';

export default defineConfig({
  out: './drizzle',
  schema: './schema.ts',
  dialect: 'sqlite',
  casing: 'snake_case',  // 控制生成时的命名风格
  dbCredentials: {
    url: './local.sqlite',
  },
});

常见误区

  1. 仅配置客户端:只配置 Drizzle 客户端的 casing 选项会导致生成时的列名仍然是 camelCase,而查询时却尝试使用 snake_case,造成列名不匹配错误。

  2. 配置位置混淆:有些开发者误以为 Drizzle Kit 的配置会继承 Drizzle ORM 的配置,实际上它们是独立的。

最佳实践

  1. 保持命名风格一致性:在项目初期就确定好命名风格,并在所有配置文件中统一使用。

  2. 测试验证:在配置完成后,应该通过实际生成和查询操作验证命名风格是否符合预期。

  3. 文档记录:在团队项目中,应该将命名风格配置写入项目文档,避免团队成员使用不一致的配置。

总结

Drizzle ORM 的命名风格配置需要同时在 ORM 客户端和 Kit 工具中进行设置才能完全生效。理解这两个配置的独立性和各自的作用范围,是避免命名风格问题的关键。通过本文的解析,希望开发者能够更好地掌握 Drizzle ORM 的命名风格配置方法,提高开发效率和代码质量。

登录后查看全文

项目优选

收起
kernelkernel
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
511
551
docsdocs
暂无描述
Markdown
852
5.69 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.49 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
839
1.28 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
847
1.7 K
ops-mathops-math
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++
1.25 K
1.38 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.17 K
857
AscendNPU-IRAscendNPU-IR
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++
503
346
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
787
415