Drizzle ORM 连接 Supabase 数据库时出现 "Pulling schema" 卡住问题的分析与解决方案
问题描述
在使用 Drizzle ORM 和 Drizzle Kit 连接 Supabase PostgreSQL 数据库时,许多开发者遇到了一个常见问题:当执行 drizzle-kit push 命令时,进程会在"Pulling schema from database..."阶段卡住,无法继续执行。这个问题在社区中被广泛报告,影响了多个版本的使用体验。
问题表现
开发者们报告的主要症状包括:
- 命令执行后长时间停留在"Pulling schema from database..."状态
- 使用
--verbose参数时可能显示关于"dialect"未定义的 Zod 验证错误 - 问题似乎特别出现在连接 Supabase 数据库时
根本原因分析
经过社区成员的深入探索,发现问题可能与 Supabase 的连接模式有关。Supabase 提供了两种连接模式:
- 连接池模式(默认端口6543)
- 直接会话模式(标准PostgreSQL端口5432)
当使用连接池模式(6543端口)时,Drizzle Kit 似乎无法正确识别数据库方言(dialect),导致 schema 拉取过程失败。这可能是由于连接池中间件对某些元数据查询请求的处理方式与 Drizzle Kit 的预期不符。
解决方案
目前社区验证有效的解决方案是:
-
临时切换连接模式: 将连接字符串中的端口从默认的6543改为5432,使用 Supabase 的直接会话模式。例如:
postgres://postgres.[project-ref]:[password]@[host].pooler.supabase.com:5432/postgres完成数据库操作后,可以切换回连接池模式。
-
数据库重置方案: 如果切换端口无效,部分开发者报告可以通过以下步骤解决:
- 导出现有数据为CSV
- 完全重置数据库(删除所有表)
- 重新执行
drizzle-kit push - 重新导入数据
最佳实践建议
-
开发环境配置: 建议在开发环境中使用5432端口的直接连接,避免连接池可能带来的兼容性问题。
-
生产环境考量: 生产环境中如需使用连接池,应在完成 schema 迁移后再切换回连接池模式。
-
版本兼容性: 虽然问题在多个版本中持续存在,建议保持 Drizzle ORM 和 Drizzle Kit 版本同步更新。
技术细节补充
PostgreSQL 连接池与直接连接的主要区别在于:
- 连接池模式:中间件管理连接复用,适合高并发场景
- 直接连接:客户端与数据库直接通信,元数据查询更可靠
Drizzle Kit 在进行 schema 迁移时需要查询数据库的元数据信息(如表结构、列类型等),这些查询在通过连接池时可能出现信息丢失或格式不符的情况,导致工具无法正确解析数据库方言。
总结
Drizzle ORM 与 Supabase 的集成问题主要源于连接模式的选择。通过理解底层连接机制并采用适当的变通方案,开发者可以顺利完成数据库 schema 的迁移工作。建议开发团队关注此问题的官方修复进展,同时可以在开发流程中采用上述解决方案作为临时措施。
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