在Drift数据库中处理多对多关系的JSON存储方案
2025-06-28 21:12:34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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
506
612
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108