SQLDelight 对 PostgreSQL 日期时间字面量的支持增强
在数据库开发中,日期和时间类型的处理一直是关键功能之一。SQLDelight 作为一款强大的 SQL 类型安全生成器,近期在其 PostgreSQL 方言中加强了对 DATE 和 TIME 字面量的支持,这为开发者提供了更完善的类型安全保证。
背景与问题
PostgreSQL 数据库支持使用特定语法直接表示日期和时间值,例如 DATE '2023-05-15' 和 TIME '10:30:45'。这种字面量表示法在编写 SQL 查询时非常常见且实用。然而,在 SQLDelight 2.0.2 版本中,PostgreSQL 方言对这些标准日期时间字面量的支持存在缺失,导致开发者无法在类型安全的方式下使用这些特性。
解决方案实现
SQLDelight 开发团队通过内部重构解决了这一问题。修复工作主要作为 EXTRACT 函数支持的一部分完成,这使得日期时间字面量能够与 EXTRACT 函数配合使用,例如:
-- 从时间值中提取微秒部分
SELECT EXTRACT(MICROSECONDS FROM TIME '17:12:28.5');
-- 从日期值中提取ISO年份
SELECT EXTRACT(ISOYEAR FROM DATE '2006-01-01');
这种实现方式不仅解决了基本的字面量支持问题,还确保了与 PostgreSQL 日期时间函数的良好兼容性。
技术意义
这一改进为开发者带来了以下优势:
-
完整的类型安全:开发者现在可以在保持类型安全的前提下使用 PostgreSQL 原生的日期时间字面量语法。
-
更好的可读性:直接使用标准日期时间字面量使 SQL 查询更加清晰易读。
-
功能完整性:与 EXTRACT 等日期时间函数的结合使用,使得 SQLDelight 对 PostgreSQL 日期时间处理的覆盖更加全面。
-
符合标准:支持标准的 PostgreSQL 语法,降低了从原生 SQL 迁移到 SQLDelight 的学习成本。
实际应用示例
开发者现在可以安全地编写如下查询:
-- 查询特定日期的数据
selectDateLiteral:
SELECT DATE '2023-05-15';
-- 查询特定时间的数据
selectTimeLiteral:
SELECT TIME '10:30:45';
-- 结合EXTRACT函数使用
selectExtractFromTime:
SELECT EXTRACT(HOUR FROM TIME '17:12:28.5');
这些改进使得 SQLDelight 在 PostgreSQL 环境下的日期时间处理能力更加完善,为开发者提供了更强大的工具来处理时间相关的数据查询和操作。
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