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。
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