Kysely项目中数组类型的ColumnType处理问题解析
在PostgreSQL数据库开发中,数组类型是一个常见的数据结构,但在TypeScript类型系统中如何正确表示这些类型却是一个值得探讨的问题。本文将深入分析Kysely项目中处理数组类型ColumnType时遇到的问题及其解决方案。
问题背景
在使用Kysely进行PostgreSQL开发时,开发者会遇到需要处理数组类型字段的情况。例如,一个包含int8数组类型的表定义:
CREATE TABLE some_table (some_column int8[]);
通过代码生成工具生成的类型定义通常会表示为:
type Int8 = ColumnType<string, string | number | bigint, string | number | bigint>
export interface SomeTable {
some_column: Int8[]
}
这种表示方式看似合理,但实际上会导致类型系统无法正确推断查询结果的类型。
类型系统的问题
当执行查询操作时:
async function getSomeData(db: Kysely<DB>) {
const result = await db
.selectFrom('some_table')
.select('some_column')
.execute()
return result;
}
期望的返回类型应该是string[],因为Int8类型的第一个泛型参数(SELECT类型)定义为string。然而实际返回类型却是Int8[],这表明类型系统没有正确"解包"数组中的ColumnType。
根本原因分析
问题的核心在于ColumnType的定义方式。当前的做法是将数组标记应用于整个ColumnType,而不是将ColumnType应用于数组元素。这导致类型系统无法正确推断查询结果的类型。
正确的做法应该是将数组特性纳入ColumnType本身的定义中,而不是在外部应用数组标记。
解决方案
正确的类型定义应该采用以下形式:
type Int8Array = ColumnType<string[], (string | number | bigint)[], (string | number | bigint)[]>
或者,如果希望重用现有的Int8定义,可以采用:
type Int8Array = ColumnType<
SelectType<Int8>[],
InsertType<Int8>[],
UpdateType<Int8>[]
>
这种定义方式确保了类型系统能够正确理解数组中的每个元素都应该按照ColumnType定义的规则进行类型转换。
最佳实践建议
-
代码生成工具配置:如果使用代码生成工具,确保其正确生成数组类型的
ColumnType定义。 -
手动类型定义:对于关键类型,考虑手动定义以确保类型系统行为符合预期。
-
类型测试:编写类型测试来验证查询结果的类型推断是否符合预期。
-
文档说明:在项目文档中明确说明数组类型的处理方式,避免团队成员误解。
总结
正确处理PostgreSQL数组类型在TypeScript中的表示是保证类型安全的重要环节。通过将数组特性纳入ColumnType本身的定义,而非外部应用数组标记,可以确保类型系统能够正确推断查询结果的类型。这一实践不仅适用于Kysely项目,对于其他ORM或数据库访问层的类型定义也具有参考价值。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00