深入解析Go-Jet项目中Sqlite GENERATED列的插入问题
2025-06-26 08:00:06作者:秋阔奎Evelyn
在Go-Jet项目的最新版本2.11.1中,针对Sqlite数据库的GENERATED列支持带来了一个值得开发者注意的行为变化。本文将详细分析这个问题的本质、产生原因以及解决方案。
问题背景
当使用Go-Jet与Sqlite数据库交互时,如果表结构中包含GENERATED列(计算列),在进行数据插入操作时可能会遇到"列数不匹配"的错误。例如,一个包含3个常规列和8个GENERATED列的表,在插入数据时会报告"表有3列但提供了11个值"的错误。
技术原理
GENERATED列是Sqlite 3.31.0版本引入的特性,这些列的值由表达式自动计算得出,而非直接存储。在Go-Jet 2.11.1版本中,模型生成器会为GENERATED列创建对应的字段,但在实际插入操作时,Sqlite引擎并不接受为这些计算列提供显式值(即使是NULL值)。
问题复现
考虑以下表结构定义:
CREATE TABLE test (
created_at date DEFAULT CURRENT_TIMESTAMP,
updated_at date,
jvalues TEXT NOT NULL,
j1 TEXT GENERATED ALWAYS as (JSON_EXTRACT(jvalues, "$.J1")),
-- 其他7个类似的GENERATED列...
);
当使用Go-Jet的模型插入方式时:
r := model.Test{Jvalues: jvalues}
insert := Test.INSERT().MODEL(r)
会导致上述列数不匹配的错误。
解决方案
方案一:显式指定列
最直接的解决方案是在插入时明确指定要插入的列:
insert := Test.INSERT(Test.Jvalues).VALUES(jvalues)
方案二:结合模型和列指定
为了保持类型检查的优势,可以结合模型和列指定:
r := model.Test{Jvalues: jvalues}
insert := Test.INSERT(Test.Jvalues).MODEL(r)
方案三:使用MutableColumns
Go-Jet提供了更优雅的解决方案,使用MutableColumns方法自动排除不可变列:
insert := Test.INSERT(Test.MutableColumns...).MODEL(r)
最佳实践建议
- 对于包含GENERATED列的表,始终明确指定插入列
- 考虑在项目中使用
MutableColumns作为默认实践 - 在模型定义文档中明确标注GENERATED列
- 编写单元测试验证插入行为是否符合预期
总结
Go-Jet对Sqlite GENERATED列的支持是一个进步,但也带来了新的使用注意事项。理解数据库引擎对计算列的处理方式,并采用适当的插入策略,可以确保应用的稳定性和可维护性。随着Go-Jet项目的持续发展,这类边界情况的处理将会更加完善。
对于开发者而言,掌握这些细节不仅能解决当前问题,也能加深对ORM框架与数据库交互机制的理解,为处理其他类似场景积累经验。
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 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 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878