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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Python小说下载神器:一键获取番茄小说完整内容如何用md2pptx快速将Markdown文档转换为专业PPT演示文稿 📊京东评价自动化工具:用Python脚本解放双手的高效助手三步掌握Payload-Dumper-Android:革新性OTA提取工具的核心价值定位终极Obsidian模板配置指南:10个技巧打造高效个人知识库终极指南:5步解锁Rockchip RK3588全部潜力,快速上手Ubuntu 22.04操作系统WebPlotDigitizer 安装配置指南:从图像中提取数据的开源工具终极FDS入门指南:5步掌握火灾动力学模拟技巧高效获取无损音乐:跨平台FLAC音乐下载工具全解析终极指南:5步复现Spring Boot高危漏洞CVE-2016-1000027
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
530
3.74 K
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
336
177
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
355
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++
885
595
暂无简介
Dart
770
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
139
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246