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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
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
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
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
12
2