Kysely 中使用 PostgreSQL 数组类型的正确姿势
在使用 Kysely 这个类型安全的 SQL 查询构建器与 PostgreSQL 数据库交互时,开发者可能会遇到一些关于数组类型的特殊问题。本文将深入探讨如何正确处理 PostgreSQL 数组类型,特别是当我们需要查询包含特定元素的数组列时。
数组类型在 PostgreSQL 中的表示
PostgreSQL 中的数组类型有其特殊的语法要求。与许多编程语言不同,PostgreSQL 使用花括号 {} 来表示数组字面量,而不是方括号 []。这是导致上述错误的主要原因。
正确的数组查询方式
当我们需要查询 in_episodes 数组列包含特定元素(如数字 1)的记录时,正确的 Kysely 查询应该是:
const videosOfEpisodeOne = await db
.selectFrom('videos')
.where('in_episodes', '@>', sql`array[1]`)
.selectAll()
.execute();
关键点在于使用 sql 模板标签和 array[] 语法来构造 PostgreSQL 能够识别的数组表达式。
表类型定义的最佳实践
在定义包含数组列的表类型时,我们应该明确指定数组元素的类型:
type VideoTable = {
id: Generated<number>;
in_episodes: ColumnType<number[], number[], number[]>;
}
这种定义方式确保了类型安全,同时明确了该列在数据库中是数字数组类型。
为什么原始查询会失败
原始查询直接使用了 JavaScript 数组 [1] 作为参数,这在 PostgreSQL 中会被解释为字符串字面量 "1",而不是数组。PostgreSQL 期望数组字面量以 { 开头或者包含维度信息,因此会抛出 malformed array literal 错误。
其他有用的数组操作符
除了 @> (包含)操作符外,PostgreSQL 还提供了其他有用的数组操作符:
&&:数组有重叠(有共同元素)<@:数组被包含=:数组相等||:数组连接
在 Kysely 中,这些操作符都可以类似地使用 sql 模板标签来构造正确的查询条件。
总结
在使用 Kysely 与 PostgreSQL 交互时,处理数组类型需要特别注意 PostgreSQL 的特殊语法要求。通过使用 sql 模板标签和正确的数组构造语法,我们可以避免常见的错误,构建出既类型安全又符合 PostgreSQL 语法的查询。记住,数据库中的数组表示法与编程语言中的通常不同,这是许多开发者容易忽视的一个重要细节。
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