Kysely 库中构建器的管道方法优化探讨
2025-05-19 06:18:20作者:卓艾滢Kingsley
Kysely 是一个强大的 TypeScript SQL 查询构建器,以其类型安全和灵活的 API 设计著称。在实际开发中,开发者经常会遇到需要复用某些查询构建逻辑的场景。本文探讨了如何通过优化构建器方法来实现更优雅的代码复用。
问题背景
在 Kysely 中创建表时,经常会遇到需要为表添加标准字段的情况。例如,很多表都需要一个 UUID 类型的主键 ID 字段。开发者通常会这样编写代码:
db.schema
.createTable("my_table")
.ifNotExists()
.addColumn("id", "uuid", (b) => b.primaryKey().defaultTo(sql`uuid_generate_v4()`))
当这种模式在多个地方重复使用时,开发者自然会想到将其提取为可复用的函数。
现有解决方案
目前,开发者可以这样提取和复用代码:
function addId(t: CreateTableBuilder) {
return t.addColumn("id", "uuid", (b) => b.primaryKey().defaultTo(sql`uuid_generate_v4()`))
}
// 使用方式
addId(
db.schema
.createTable("my_table")
.ifNotExists()
)
这种方式虽然可行,但代码结构不够直观,特别是当构建链较长时,函数调用会打断流畅的链式调用体验。
更优的方案:$call 方法
Kysely 实际上已经提供了一个优雅的解决方案——$call 方法。这个方法允许开发者在构建链中插入自定义的函数调用,保持代码的连贯性:
db.schema
.createTable("my_table")
.ifNotExists()
.$call(addId)
$call 方法的设计初衷正是为了解决这类代码复用问题。它接收一个函数作为参数,将该构建器实例传递给函数,并将函数返回值继续传递下去,完美保持了链式调用的流畅性。
方法命名的思考
关于 $call 方法的命名,开发团队有过深入讨论。最初考虑过 map 或 pipe 这样的名称,但存在以下考量:
map可能会让来自 Knex 背景的开发者误以为这是对查询结果的映射操作pipe在函数式编程中通常表示一系列操作的串联,而$call只执行单一操作$modify也是一个候选名称,因为它更准确地描述了方法的目的——修改查询构建器
最终团队选择了 $call 这个名称,既避免了歧义,又清晰地表达了方法的用途。
实际应用建议
在实际项目中,推荐以下模式来组织常用的构建器修改函数:
// 定义常用修改函数
const tableModifiers = {
withTimestamps(t: CreateTableBuilder) {
return t
.addColumn("created_at", "timestamp", (col) => col.notNull().defaultTo(sql`now()`))
.addColumn("updated_at", "timestamp", (col) => col.notNull().defaultTo(sql`now()`))
},
withSoftDelete(t: CreateTableBuilder) {
return t.addColumn("deleted_at", "timestamp")
}
}
// 使用方式
db.schema
.createTable("users")
.$call(tableModifiers.withTimestamps)
.$call(tableModifiers.withSoftDelete)
这种模式不仅提高了代码复用性,还使表结构的定义更加清晰和模块化。
总结
Kysely 的 $call 方法为查询构建器的复用提供了优雅的解决方案。通过将常用的构建逻辑封装成函数,开发者可以创建出更简洁、更易维护的数据库操作代码。虽然方法命名经过多方考量,但 $call 已经能够很好地满足大多数使用场景,是 Kysely API 设计中一个实用而强大的特性。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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