Drift 数据库:解决 View 中 groupBy 方法不可用的问题
概述
在使用 Drift 数据库(原 Moor)时,开发者可能会遇到一个常见问题:当尝试在 View 类中使用 groupBy 方法时,系统会提示该方法不可用。本文将深入分析这个问题,并提供解决方案。
问题背景
在 SQL 中,我们经常需要在视图定义中使用 GROUP BY 子句来对数据进行分组聚合。例如,我们可能需要获取每个能力(capability)下最新安装的零件信息。在原生 SQL 中,这很容易实现:
CREATE VIEW capability_part_items
AS
SELECT capability_id, part_id, max(happened_at) as happened_at
FROM part_installation_items
GROUP BY part_installation_items.capability_id
然而,当尝试在 Drift 的 View 类中实现相同的逻辑时,开发者会遇到 groupBy is not available 的错误提示。
问题分析
在 Drift 2.20.2 版本中,groupBy 方法设计上只能用于包含 join() 操作的查询。这意味着如果你直接从表中选择数据而不进行任何连接操作,就无法直接使用 groupBy 方法。
解决方案
方法一:使用空列表的 join 操作(临时解决方案)
在 Drift 2.20.2 版本中,可以通过添加一个空的 join 列表来使 groupBy 方法可用:
@override
Query as() => select([...]).from(partInstallationItems).join([]).groupBy([...])
这种方法虽然能解决问题,但不够优雅,属于临时解决方案。
方法二:升级 Drift 版本(推荐方案)
在即将发布的新版本 Drift 中,这个问题已经得到修复。新版本允许直接在 from() 后使用 groupBy 方法。此外,需要注意以下几点:
- 聚合函数(如
max())需要在视图类中定义,而不是在select()中直接使用 having条件可以作为groupBy的可选参数提供
以下是推荐的使用方式:
abstract class CapabilityPart extends View {
PartInstallationItems get partInstallationItems;
Expression<String> get capabilityId => partInstallationItems.capabilityId;
Expression<String> get partId => partInstallationItems.partId;
Expression<DateTime> get installationDate => partInstallationItems.happenedAt.max();
@override
Query as() => select([capabilityId, partId, installationDate])
.from(partInstallationItems)
..groupBy([capabilityId],
having: partInstallationItems.action.isIn(['Installed', 'Discovered']));
}
最佳实践
-
聚合函数定义:将聚合函数(如
max(),min(),avg()等)作为视图类的属性定义,而不是在select()中直接使用 -
条件过滤:使用
having参数来添加分组后的过滤条件,而不是在where子句中 -
版本选择:尽可能使用最新版本的 Drift,以获得最完整的功能支持
总结
在 Drift 数据库中定义包含分组聚合的视图时,需要注意 groupBy 方法的使用限制。通过合理设计视图类结构,并利用新版本的功能,可以优雅地实现复杂的分组查询需求。随着 Drift 的持续更新,这类限制将会越来越少,为开发者提供更灵活的查询构建能力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00