SQLDelight中INSERT RETURNING语句与协程Flow的兼容性问题分析
问题概述
在使用SQLDelight 2.0.1版本时,开发者发现了一个关于数据库操作与协程Flow结合使用的特殊问题。当执行带有RETURNING子句的INSERT语句时,通过Flow监听的数据变更通知出现了异常行为。
技术背景
SQLDelight是一个强大的SQL与Kotlin互操作库,它允许开发者编写类型安全的SQL查询。在Kotlin协程生态中,SQLDelight提供了将查询结果转换为Flow的能力,这使得数据库变更可以以响应式的方式被观察。
问题现象
开发者在使用以下模式时遇到了问题:
db.queries.selectAllName(query = name).asFlow()
.mapToList(ioDispatcher)
配合的SQL语句是:
INSERT INTO ...VALUES(...) RETURNING id;
异常表现为:当执行带有RETURNING子句的INSERT操作时,selectAllName查询会发出新插入数据的通知。然而,如果去掉RETURNING id部分,这一行为就消失了,Flow能正常工作。
技术分析
这个问题实际上涉及到SQLDelight内部的通知机制。在SQLDelight中,Flow监听依赖于表变更通知。当数据库表数据发生变化时,SQLDelight会触发相应的通知,Flow订阅者就能收到更新。
RETURNING子句是PostgreSQL风格的语法,它允许INSERT操作返回插入行的指定列值。然而,SQLDelight的通知系统在处理这种语句时存在缺陷:它错误地将RETURNING子句视为需要触发表变更通知的条件,而实际上这只是一个返回值操作,不应该影响数据变更通知。
解决方案
这个问题已经被SQLDelight开发团队确认并修复。修复的核心在于正确区分纯粹的返回值操作和实际的数据变更操作。在修复版本中:
- 带有RETURNING子句的INSERT语句不再错误地触发表变更通知
- Flow监听机制现在能正确区分实际数据变更和返回值操作
- 查询结果的Flow表现与预期一致
最佳实践
对于开发者来说,在使用SQLDelight时应注意:
- 如果确实需要监听表变更,应该明确使用相应的观察查询
- 对于只关心返回值的操作,不需要依赖Flow的通知机制
- 更新到包含此修复的SQLDelight版本以获得一致的行为
总结
这个问题展示了数据库操作与响应式编程结合时的复杂性。SQLDelight团队通过修复这个问题,进一步提升了库在复杂场景下的可靠性。开发者在使用高级SQL特性与协程结合时,应当注意版本兼容性和已知问题,及时更新到修复版本以获得最佳体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00