Kysely项目中聚合函数返回类型的非空性设计考量
Kysely作为一个现代化的TypeScript SQL查询构建器,在处理聚合函数时做出了一个有趣的设计决策:默认情况下,聚合函数如sum、avg、max等的返回类型被定义为非空类型,而实际上这些函数在数据库查询中可能返回null值(特别是当没有匹配行时)。
设计背景与原理
这种看似"不精确"的类型定义实际上是经过深思熟虑的。在SQL标准中,聚合函数在没有匹配行时确实会返回NULL。例如,在PostgreSQL中,对一个空表执行SUM操作会得到NULL而非0。
Kysely团队选择这种设计主要基于以下考虑:
-
开发者体验优先:大多数情况下,开发者期望聚合函数返回实际值而非null。将类型默认为非空可以减少不必要的null检查代码。
-
显式优于隐式:通过要求开发者显式声明可能为null的类型,提高了代码的意图清晰度。开发者必须明确考虑null情况的处理。
-
灵活性:开发者可以通过类型参数轻松添加null到返回类型中,满足特定场景需求。
实际应用中的处理方式
在Kysely中,开发者有以下几种方式处理聚合函数可能的null返回值:
// 方式1:显式声明可能返回null的类型
db.selectFrom('toy')
.select((eb) => eb.fn.sum<number | null>('price').as('total_price'))
.execute()
// 方式2:使用coalesce函数提供默认值
db.selectFrom('toy')
.select((eb) => eb.fn.coalesce(eb.fn.sum('price'), 0).as('total_price'))
.execute()
类型安全的最佳实践
为了在Kysely项目中实现最佳的类型安全性,建议:
-
始终考虑null情况:即使类型系统默认不包含null,也应该在业务逻辑层面处理可能的null返回值。
-
使用类型参数:当确实需要处理null值时,通过泛型参数明确声明。
-
文档化假设:在代码中注释说明为何可以忽略null情况(如果有这样的假设)。
-
考虑使用coalesce:对于需要默认值的场景,coalesce函数提供了一种简洁的解决方案。
设计哲学的延伸思考
Kysely的这种设计体现了TypeScript生态中一个常见的权衡:在类型严格性和开发便利性之间找到平衡点。它不同于一些ORM框架(如TypeORM)倾向于完全精确的类型定义,而是选择了更符合实际开发习惯的方式。
这种设计特别适合那些:
- 大多数查询都能确保有返回值的场景
- 开发者更关注业务逻辑而非边界情况的代码库
- 需要快速迭代的项目
对于需要完全类型安全的项目,开发者可以通过简单的类型参数添加null可能性,兼顾了灵活性和安全性。
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