Drizzle ORM 中 schemaFilter 配置导致意外删除数据库模式的问题分析
2025-05-06 18:57:00作者:袁立春Spencer
问题背景
在使用 Drizzle ORM 进行 PostgreSQL 数据库操作时,开发人员发现了一个与 schemaFilter 配置相关的异常行为。当在 drizzle.config.js 中配置 schemaFilter 参数时,系统会尝试执行意外的 DROP SCHEMA 语句,这可能导致数据库模式被意外删除的风险。
问题现象
开发人员在使用 Drizzle ORM 0.32.0 和 Drizzle Kit 0.23.0 时,配置了如下 drizzle.config.js 文件:
export default {
schema: './src/db/schema.js',
dialect: 'postgresql',
dbCredentials: {
url: 'postgresql://postgres:mypass@localhost:5432/mydb',
},
schemaFilter: 'myschema',
verbose: true,
};
在执行数据库迁移操作时,系统会尝试执行以下 SQL 语句:
CREATE TABLE IF NOT EXISTS "myschema"."Country" (
"id" uuid PRIMARY KEY DEFAULT gen_random_uuid() NOT NULL,
"name" text NOT NULL,
CONSTRAINT "Country_name_unique" UNIQUE("name")
);
DROP SCHEMA "myschema";
这显然不是开发人员的预期行为,特别是 DROP SCHEMA 语句可能会导致数据丢失。
问题根源
经过深入分析,发现问题出在 schema 文件的导出方式上。在 Drizzle ORM 中,如果使用了 pgSchema 创建模式但没有正确导出该模式对象,Drizzle Kit 在尝试应用 schemaFilter 时会产生异常行为。
正确的做法是在 schema 文件中显式导出模式对象:
// 正确示例
export const schema = pgSchema("myschema");
export const countryTable = schema.table("Country", {
id: uuid("id").primaryKey().defaultRandom(),
name: text("name").notNull().unique(),
});
解决方案
要解决这个问题,开发人员需要确保:
- 在 schema 文件中正确导出 pgSchema 创建的模式对象
- 检查所有表定义都关联到正确的模式
- 验证 schemaFilter 配置的模式名称与代码中使用的模式名称一致
最佳实践建议
为了避免类似问题,建议在使用 Drizzle ORM 时遵循以下实践:
- 始终为模式对象使用明确的导出语句
- 在团队项目中,建立代码审查流程检查模式导出
- 在执行数据库迁移前,先在测试环境中验证 SQL 语句
- 考虑使用 TypeScript 的类型检查来捕获未导出的模式对象
总结
Drizzle ORM 是一个强大的 TypeScript ORM 工具,但在使用高级功能如 schemaFilter 时需要特别注意模式对象的导出。通过理解工具的内部工作机制和遵循最佳实践,开发人员可以避免这类潜在危险的操作,确保数据库迁移过程的安全性和可靠性。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868