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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
645
149
Ascend Extension for PyTorch
Python
207
221
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++
653
286
React Native鸿蒙化仓库
JavaScript
250
317
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
🎉 (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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873