Lucia Auth 项目中使用 Prisma 适配器时遇到的 ID 类型问题解析
问题背景
在使用 Lucia Auth 身份验证库与 Prisma ORM 结合开发时,开发者可能会遇到关于 ID 类型的兼容性问题。特别是在使用 CockroachDB 作为数据库后端时,这个问题尤为突出。
错误现象
开发者在使用 Lucia Auth 的 Prisma 适配器时,尝试创建用户会话时遇到了以下错误:
Invalid value for argument `id`: invalid digit found in string. Expected big integer String.
这个错误表明 Prisma 期望接收一个 BigInt 类型的 ID 字符串,但实际传递的是一个不符合要求的字符串格式。
根本原因
Lucia Auth 的设计要求用户和会话的 ID 必须是字符串类型,而开发者的初始 Prisma 模型定义中将这些字段设置为 BigInt 类型:
model User {
id BigInt @id @default(autoincrement())
// ...
}
model Session {
id BigInt @id @default(autoincrement())
// ...
}
这种类型不匹配导致了上述错误。Lucia Auth 生成的 ID 是标准的字符串格式,无法自动转换为 BigInt 类型。
解决方案
正确的做法是将 Prisma 模型中的 ID 字段类型修改为 String:
model User {
id String @id
email String @unique
hashedPassword String
createdAt DateTime @default(now())
session Session[]
}
model Session {
id String @id
userId String
expiresAt DateTime
user User @relation(fields: [userId], references: [id], onDelete: Cascade)
}
同时,在应用代码中使用 Lucia Auth 提供的 generateId 方法来生成用户 ID:
import { generateId } from "lucia";
const userId = generateId(15);
const data = await ctx.db.user.create({
data: {
id: userId,
email: input.email,
hashedPassword: hashedPassword,
},
});
注意事项
-
数据库迁移:修改模型后,必须执行 Prisma 迁移命令将更改应用到数据库。
-
开发环境重启:在某些情况下,可能需要重启开发服务器才能使 Prisma 客户端更新生效。
-
ID 生成策略:Lucia Auth 提供了自己的 ID 生成机制,应该使用它而不是依赖数据库的自增 ID。
-
类型一致性:确保所有相关模型中的关联字段类型一致,特别是外键关系。
最佳实践
-
在设计身份验证系统时,提前规划好 ID 的生成策略。
-
在开发过程中,注意 Prisma 模型定义与使用的身份验证库之间的兼容性。
-
对于生产环境,考虑使用更健壮的 ID 生成策略,如 UUID。
-
定期检查 Prisma 和 Lucia Auth 的文档,了解最新的类型要求和最佳实践。
通过遵循这些指导原则,开发者可以避免类似的类型不匹配问题,并构建更稳定可靠的身份验证系统。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00