ZenStack中日期字段与Futures结合使用的注意事项
2025-07-01 00:20:14作者:廉彬冶Miranda
前言
在使用ZenStack进行数据建模时,开发者经常会遇到需要对未来状态进行验证的场景。特别是在处理包含日期/时间字段的模型时,如何正确使用Futures功能进行验证是一个需要特别注意的技术点。本文将深入分析一个典型的使用案例,帮助开发者避免常见陷阱。
问题背景
在数据模型中,我们经常需要设置一些业务规则来限制对日期字段的修改。例如,在软删除场景中,我们可能希望:
- 禁止将删除时间设置为未来时间
- 确保已删除记录不能被再次修改
这些需求看似简单,但在ZenStack的实现中却存在一些需要特别注意的细节。
典型错误示例
考虑以下模型定义:
model Test {
id String @id @default(dbgenerated("uuid_generate_v4()")) @db.Uuid
deleted_at DateTime? @db.Timestamp(6)
@@allow('all', true)
@@deny("update",
deleted_at != null ||
future().deleted_at > now()
)
}
开发者期望实现:
- 已删除记录(deleted_at不为null)禁止修改
- 不能将deleted_at设置为未来时间
然而,这种实现方式在实际运行中会出现意外行为。
问题根源分析
问题的核心在于PostgreSQL处理NULL值的方式。当ZenStack执行"post-update"规则检查时:
- 对于
deleted_at != null部分,在检查时它始终为false - 因此系统会评估
future().deleted_at > now() - ZenStack将其转换为Prisma查询:
{ NOT: { deleted_at: { gt: new Date() } } } - 在PostgreSQL中,任何与NULL的比较都会返回NULL
- 最终导致规则检查失败
正确实现方式
正确的实现应该显式处理NULL值的情况:
model Test {
id String @id @default(dbgenerated("uuid_generate_v4()")) @db.Uuid
deleted_at DateTime? @db.Timestamp(6)
@@allow('all', true)
@@deny("update",
future().deleted_at != null &&
future().deleted_at > now()
)
}
这种实现方式:
- 首先检查deleted_at是否不为NULL
- 只有当不为NULL时,才检查它是否大于当前时间
- 完全避免了NULL值比较带来的问题
最佳实践建议
- 显式处理NULL值:在使用Futures时,总是显式检查字段是否为NULL
- 优先使用正向规则:尽可能使用
@@allow而非@@deny,逻辑通常更清晰 - 充分测试:对日期字段的规则进行全面的单元测试,包括边界情况
- 理解数据库行为:了解底层数据库对NULL值的处理方式,避免意外行为
总结
在ZenStack中使用Futures功能处理日期字段时,开发者需要特别注意NULL值的处理。通过显式检查字段是否为NULL,可以避免许多潜在问题。理解这些细节将帮助开发者构建更加健壮的数据访问控制层。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217