DynamoDB Toolbox 中键属性的默认值处理实践
2025-07-06 03:28:11作者:凌朦慧Richard
键属性默认值的设计考量
在使用 DynamoDB Toolbox 进行开发时,键属性的默认值处理是一个需要特别注意的设计点。当我们在实体定义中为键属性设置默认值时,需要理解不同方法之间的区别及其对类型系统的影响。
核心问题分析
在实际开发中,我们经常会遇到这样的场景:希望主键的一部分由系统自动生成(如使用 ULID),而另一部分由用户提供。这种情况下,我们需要确保:
- 创建项目时,自动生成的键属性是可选的
- 查询、更新或删除项目时,所有键属性都是必需的
正确的默认值设置方法
DynamoDB Toolbox 提供了三种设置默认值的方法,需要根据属性是否为键属性来选择:
keyDefault()- 专为键属性设计,在计算键值时自动填充默认值putDefault()- 用于非键属性,仅在执行 Put 操作时填充默认值default()- 智能方法,根据属性是否为键自动选择上述两种方法之一
对于键属性,正确的做法是使用 keyDefault() 或 default() 方法:
export const MyEntity = new Entity({
name: 'MYENTITY',
table: MyTable,
schema: schema({
owner: string().key(),
id: string()
.key()
.default(() => ulid()), // 使用default或keyDefault
status: string().enum(...Object.values(StatusEnum)),
})
)}
类型系统的配合使用
当正确使用 keyDefault() 后,类型系统会自动处理以下场景:
- 创建项目:键属性变为可选,因为系统会自动填充默认值
- 查询/删除项目:使用
KeyInputItem类型时,类型系统知道这些操作需要完整的键
如果需要强制要求某些键属性必须提供(即使有默认值),可以使用 TypeScript 的 Required 工具类型或 DynamoDB Toolbox 提供的 ValidItem 类型:
// 方法一:使用Required工具类型
export const deleteItem = async (key: Required<KeyInputItem<typeof MyEntity>>) => {
await MyEntity.build(DeleteItemCommand).key(key).send();
};
// 方法二:使用ValidItem类型
export const deleteItem = async (key: ValidItem<typeof MyEntity, { mode: 'key' }>) => {
await MyEntity.build(DeleteItemCommand).key(key).send();
};
最佳实践建议
- 对于需要自动生成的键属性,优先使用
default()方法 - 在业务逻辑层明确区分创建操作和查询/更新/删除操作的参数类型
- 考虑在应用层而非数据库层生成唯一ID,这样可以更灵活地控制ID生成逻辑
- 对于复杂的业务场景,可以在服务层封装创建逻辑,确保ID生成的正确性
通过合理利用 DynamoDB Toolbox 的类型系统和默认值机制,可以构建出既安全又灵活的数据库访问层。
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
414
3.19 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
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++
689
325
🔥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
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492