LoopBack数据模型定义语言(LDL)完全指南
2025-06-04 18:12:55作者:霍妲思
什么是LoopBack数据模型定义语言
LoopBack数据模型定义语言(LDL)是一种简洁的领域特定语言(DSL),用于在JavaScript或JSON中定义数据模型。作为LoopBack框架的核心组成部分,它允许开发者通过声明式语法快速构建数据模型,这些模型将成为应用程序与数据交互的基础。
基础模型定义
简单JSON模型示例
让我们从一个最基本的用户模型开始:
{
"id": "number",
"firstName": "string",
"lastName": "string"
}
这个模型定义了三个属性:
id:数值类型的用户IDfirstName:字符串类型的名字lastName:字符串类型的姓氏
JavaScript等效定义
同样的模型可以用JavaScript更简洁地表示:
var UserDefinition = {
id: Number,
firstName: String,
lastName: String
}
JavaScript版本的优势在于:
- 不需要引号包裹属性名
- 直接使用JavaScript原生类型构造函数
- 代码更加紧凑易读
模型构建与使用
从定义到构造函数
LDL的核心功能是将模型定义编译为可用的JavaScript构造函数:
const ModelBuilder = require('loopback-datasource-juggler').ModelBuilder;
const modelBuilder = new ModelBuilder();
const User = modelBuilder.define('User', UserDefinition);
// 创建实例
const user = new User({
id: 1,
firstName: '张',
lastName: '三'
});
console.log(user.firstName); // 输出"张"
模型与数据源集成
单纯的模型构造函数只包含属性访问器,要使其具备完整的数据操作能力,需要与数据源绑定:
const DataSource = require('loopback-datasource-juggler').DataSource;
const ds = new DataSource('memory'); // 内存数据源
// 方式1:直接通过数据源定义
const User = ds.define('User', UserDefinition);
// 方式2:先创建后附加
User.attachTo(ds);
绑定后模型自动获得CRUD等数据操作方法。
高级模型特性
模型级配置选项
LDL提供了丰富的模型级配置:
{
"name": "User",
"options": {
"strict": true, // 是否严格模式(仅允许预定义属性)
"idInjection": false, // 是否自动注入id属性
"plural": "users", // 自定义复数形式
"oracle": { // 数据源特定配置
"schema": "HR",
"table": "EMPLOYEES"
}
},
"properties": {...}
}
属性定义进阶
属性定义支持多种配置:
{
"id": {
"type": "number",
"id": true, // 标识为主键
"doc": "用户唯一标识"
},
"email": {
"type": "string",
"required": true, // 必填项
"pattern": "^\\S+@\\S+$", // 正则验证
"oracle": { // 数据库列映射
"column": "EMAIL_ADDR",
"type": "VARCHAR2(128)"
}
}
}
支持的数据类型
LDL支持丰富的数据类型:
- 基本类型:String, Number, Boolean, Date
- 二进制数据:Buffer
- 复杂类型:Array, Object
- 地理信息:GeoPoint
- 任意类型:Any/JSON
数组类型示例:
{
tags: [String], // 字符串数组
scores: [{type: Number, min: 0}] // 带约束的数值数组
}
模型关系
1:1关系 (belongsTo)
Order.belongsTo(Customer);
// 使用方式
order.customer(callback); // 查询关联客户
order.customer(customerObj); // 设置关联
1:N关系 (hasMany)
Customer.hasMany(Order, {
as: 'orders', // 关系名称
foreignKey: 'customerId' // 外键字段
});
// 生成的关联方法
customer.orders.create({...}); // 创建关联订单
customer.orders.find(); // 查询所有订单
M:N关系 (hasAndBelongsToMany)
User.hasAndBelongsToMany('groups', {
model: Group,
foreignKey: 'groupId'
});
// 使用方法
user.groups.add(group); // 添加用户到组
user.groups.remove(group); // 从组移除
通过中间表的M:N关系 (hasMany through)
Physician.hasMany(Patient, {through: Appointment});
Patient.hasMany(Physician, {through: Appointment});
// 生成的查询方法
physician.patients.find({where: {...}});
模型继承与混入
模型继承
const Customer = User.extend('customer', {
vip: Boolean, // 新增属性
creditLevel: Number
});
混入模式
const TimestampMixin = {
createdAt: Date,
updatedAt: Date
};
User.mixin(TimestampMixin); // 混入时间戳功能
最佳实践建议
- 命名规范:模型名使用单数形式(PascalCase),属性名使用camelCase
- 严格模式:生产环境建议启用strict模式确保数据一致性
- 文档注释:为每个属性和关系添加doc描述
- 验证规则:充分利用内置验证约束保证数据质量
- 性能考虑:对于大型数据集,谨慎使用深度嵌套的对象类型
通过掌握LDL,开发者可以高效地构建出结构清晰、功能完善的数据模型,为LoopBack应用奠定坚实的基础。
登录后查看全文
热门项目推荐
kernelopenEuler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。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
344
Ascend Extension for PyTorch
Python
235
268
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
327
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
62
33
🔥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
65
19
🎉 (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
1.22 K
669