Drizzle ORM 与 Drizzle Kit 在 MySQL 类型处理中的注意事项
Drizzle ORM 是一个现代化的 TypeScript ORM 框架,而 Drizzle Kit 是其配套的工具集。在使用过程中,开发者可能会遇到一些关于 MySQL 数据类型处理的特殊情况,特别是在使用 drizzle-kit introspect 命令进行数据库模式自省时。
SMALLINT 类型导入问题
在早期版本的 Drizzle Kit 中,当数据库表包含 SMALLINT 类型字段时,自动生成的模式文件中会缺少对 smallint 类型的导入。这会导致 TypeScript 编译错误,因为代码中使用了未导入的类型。
解决方案是确保在生成的模式文件顶部包含正确的导入语句。例如:
import { mysqlTable, smallint } from "drizzle-orm/mysql-core"
这个问题已在 Drizzle Kit 0.28.0 版本中得到修复。但开发者需要注意,类似的类型导入问题可能也会出现在其他整数类型上,如 TINYINT。
DECIMAL UNSIGNED 处理问题
MySQL 中的 DECIMAL UNSIGNED 类型在 Drizzle Kit 的自省过程中曾经存在特殊处理问题。早期版本会生成不正确的代码:
duration: decimal("duration", { precision: 10, scale: 5 }) unsigne }),
这里有两个问题:
- 错误地保留了
UNSIGNED关键字的部分拼写 - 实际上 MySQL 中
DECIMAL类型的UNSIGNED属性已被弃用
正确的处理方式应该是忽略 UNSIGNED 属性,直接生成:
duration: decimal("duration", { precision: 10, scale: 5 })
最佳实践建议
-
保持工具更新:确保使用最新版本的 Drizzle ORM 和 Drizzle Kit,以获得最稳定的类型处理支持
-
手动检查生成代码:特别是在进行数据库自省后,应该检查生成的模式文件,确保所有类型导入和定义都正确
-
了解类型映射:熟悉 Drizzle ORM 如何将 MySQL 类型映射到 TypeScript 类型,这有助于快速识别和修复潜在问题
-
考虑类型替代方案:对于
DECIMAL类型,考虑是否需要使用UNSIGNED属性,因为它的行为在 MySQL 中可能不符合预期
通过理解这些类型处理细节,开发者可以更高效地使用 Drizzle ORM 进行数据库开发,避免因类型问题导致的编译错误或运行时异常。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00