Mathesar项目中RPC joinable_tables API的优化改进
2025-06-16 01:53:57作者:伍霜盼Ellen
在Mathesar数据库管理系统的开发过程中,团队对RPC joinable_tables API进行了一项重要的功能增强。这项改进源于前端应用对数据结构的特定需求,涉及API响应格式的优化调整。
背景与问题分析
Mathesar系统原有的REST API中,joinable_tables接口返回的数据结构包含三个主要部分:joinable_tables数组、tables对象和columns对象。这种结构设计使得前端能够方便地获取表之间的关联关系以及相关的表和列信息。
然而,在迁移到RPC API时,这一接口仅返回了joinable_tables数组,缺少了tables和columns这两个关键部分。这种简化导致前端应用无法获取完整的表和列信息,影响了功能的完整性。
技术解决方案
开发团队提出了两种可能的解决方案:
- 保持原有结构:完全复制REST API的响应格式,包含三个独立的部分
- 嵌套结构优化:将columns信息直接嵌套在tables对象中,形成层级关系
经过讨论,团队最终选择了第一种方案,即保持与REST API一致的结构。这种选择主要基于以下考虑:
- 保持API一致性,便于前端代码复用
- 避免对现有前端逻辑进行大规模修改
- 维持数据结构的清晰分离,便于维护
实现细节
改进后的RPC API响应格式如下:
{
"joinable_tables": [],
"tables": {
"10": {
"name": "Authors",
"columns": [1, 2, 26]
}
},
"columns": {
"1": {"name": "First Name", "type": "text"},
"2": {"name": "Last Name", "type": "text"},
"26": {"name": "id", "type": "integer"}
}
}
这种结构中:
- joinable_tables数组提供表间的关联关系
- tables对象包含所有相关表的基本信息及其包含的列ID
- columns对象提供详细的列定义信息
技术价值
这项改进虽然看似简单,但对于Mathesar系统的整体架构具有重要意义:
- 前后端解耦:通过提供完整的数据结构,减少了前端对后端实现细节的依赖
- 性能优化:一次性返回所有必要数据,减少了前端需要发起的请求次数
- 可维护性:保持与REST API一致的结构,降低了维护成本
- 扩展性:为未来可能增加的功能预留了空间
总结
Mathesar团队通过这项API改进,不仅解决了前端应用的具体需求,更重要的是维护了系统架构的一致性和完整性。这种对细节的关注和对API设计的严谨态度,体现了团队对产品质量的高度重视,也为系统的长期发展奠定了良好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218