在Drift数据库中处理多对多关系的JSON存储方案
2025-06-28 06:31:38作者:胡唯隽
多对多关系的数据建模挑战
在Drift数据库(原Moor)应用中,处理多对多关系是一个常见需求。本文通过一个实际案例探讨如何在Drift中优雅地实现产品线(ProductLine)与零件号(PartNumber)之间的多对多关联。
数据结构分析
案例中涉及两个主要实体:
- 产品线(ProductLine):每个产品线包含名称和关联的零件号列表
- 零件号(PartNumber):包含零件编号、可订购状态、描述和所属产品线名称
原始JSON数据结构展示了这种一对多关系,每个产品线下有多个零件号。
数据库表设计
在Drift中,我们通过两个表来实现这种关系:
class ProductLine extends Table {
IntColumn get id => integer().autoIncrement()();
TextColumn get name => text()();
TextColumn get partNumbers => text().map(PartNumberEntries.converter)();
}
class PartNumber extends Table {
IntColumn get id => integer().autoIncrement()();
TextColumn get partNumber => text().named('part_number')();
BoolColumn get orderable => boolean()();
TextColumn get description => text()();
TextColumn get productLineName => text().named('product_line_name')();
}
JSON序列化方案
我们使用自定义的PartNumberEntries类来处理零件号ID列表的JSON序列化:
@JsonSerializable()
class PartNumberEntries {
PartNumberEntries({required this.partNumberIds});
final List<int> partNumberIds;
// JSON序列化相关代码
static JsonTypeConverter<PartNumberEntries, String> converter =
TypeConverter.json(
fromJson: (json) => PartNumberEntries.fromJson(json as Map<String, Object?>),
toJson: (entries) => entries.toJson(),
);
}
数据插入策略
处理这种关联关系的数据插入时,面临一个关键挑战:零件号的ID在插入前是未知的。我们有两种解决方案:
方案一:使用业务主键替代技术主键
如果零件号在所属产品线内具有唯一性,可以使用{零件号,产品线名称}作为复合主键,避免依赖自增ID:
class PartNumber extends Table {
@override
Set<Column> get primaryKey => {partNumber, productLineName};
// 其他字段不变
}
方案二:分步插入获取ID
- 首先插入所有零件号记录,获取它们的ID
- 然后插入产品线记录,引用这些零件号ID
Future<List<ProductLineCompanion>> createProductLines() async {
List<ProductLineCompanion> productLines = [];
for (var data in jsonData) {
var partNumberIds = <int>[];
// 先插入零件号
for (var product in data.partNumbers) {
final row = await into(partNumber).insert(
PartNumberCompanion.insert(
partNumber: product.partNumber,
// 其他字段...
)
);
partNumberIds.add(row);
}
// 再插入产品线
productLines.add(ProductLineCompanion.insert(
name: data.name,
partNumbers: PartNumberEntries(partNumberIds: partNumberIds),
));
}
return productLines;
}
对于大批量数据,建议将整个操作包装在事务中以提高性能:
await transaction(() async {
await createProductLines();
});
性能优化建议
- 批量插入:使用Drift的
batch操作进行批量插入 - 事务处理:确保数据一致性并提高性能
- 索引优化:为经常查询的字段添加索引
- 延迟加载:只在需要时加载关联数据
总结
在Drift中处理多对多关系时,JSON序列化提供了一种灵活的解决方案。关键在于理解数据插入的顺序依赖关系,并选择适合业务场景的主键策略。通过合理的设计和优化,可以构建出既高效又易于维护的数据模型。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
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
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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