Kirimase项目中使用Supabase和Drizzle的正确配置流程
Kirimase是一个基于Next.js的现代化全栈开发工具链,它整合了多种流行技术栈如Drizzle ORM、Supabase和Lucia认证等。本文将详细介绍如何正确配置Kirimase项目中的Supabase数据库连接,避免常见的"pool未导出"错误。
问题背景
在集成Supabase作为数据库提供者时,开发者可能会遇到Lucia认证无法添加用户的问题,控制台显示"pool未从@/lib/db/index导出"的错误。这通常是由于数据库初始化流程不正确导致的。
正确配置步骤
-
项目初始化 首先使用Next.js官方脚手架创建项目基础结构:
bun create next-app@latest myproj cd myproj
-
Kirimase初始化 运行Kirimase初始化命令并选择相关技术栈:
kirimase init
在此过程中选择Drizzle ORM、PostgreSQL驱动和Supabase作为数据库提供者。
-
Supabase本地开发环境设置
supabase init supabase start
这一步会启动本地Supabase实例,注意记录控制台输出的数据库连接URL。
-
环境变量配置 将Supabase提供的连接URL等信息添加到项目的.env文件中,包括:
- DATABASE_URL
- SUPABASE_URL
- SUPABASE_ANON_KEY
- SUPABASE_SERVICE_ROLE_KEY
-
数据库迁移
bun db:generate bun db:migrate
这一步会根据Drizzle的schema定义生成数据库表结构并执行迁移。
-
开发服务器启动
bun stripe:listen # 如果需要Stripe集成 bun run dev
关键注意事项
-
执行顺序的重要性 必须确保Supabase服务先启动并获取连接字符串后,再进行数据库迁移操作。顺序错误会导致连接配置不完整。
-
环境变量时效性 Supabase本地实例每次重启可能会改变端口号,需要相应更新DATABASE_URL。
-
Drizzle适配器配置 Kirimase生成的Drizzle配置已经针对Supabase做了优化,开发者不应手动修改pool导出方式。
技术原理
当使用Drizzle ORM与Supabase配合时,Kirimase内部会创建一个适配层,将Supabase的PostgreSQL连接池转换为Drizzle可识别的格式。Lucia认证系统则通过这个适配层访问用户数据。如果初始化顺序错误,会导致适配层未能正确建立,从而出现"pool未导出"的错误。
总结
通过遵循正确的配置流程,开发者可以顺利集成Kirimase、Supabase和Drizzle的技术栈。关键在于理解各组件间的依赖关系,严格按照初始化顺序执行操作。这种组合为开发者提供了强大的全栈开发能力,同时保持了良好的开发体验。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









