Kysely 库中构建器的管道方法优化探讨
2025-05-19 21:19:45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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108