Drizzle ORM 复合主键配置的正确方式
2025-05-06 05:51:42作者:虞亚竹Luna
在使用 Drizzle ORM 进行数据库建模时,复合主键(Composite Primary Key)是一个常见的需求。然而,近期有开发者反馈在使用 drizzle-kit 工具推送表结构时遇到了复合主键未被正确创建的问题。
问题现象
开发者在使用最新版本的 drizzle-kit (0.30.2) 时,发现按照文档示例配置的复合主键没有被正确推送到数据库。具体表现为:
- 使用了类似以下的结构定义表:
export const verificationTokens = pgTable(
"verificationToken",
{
identifier: text("identifier").notNull(),
token: text("token").notNull(),
expires: timestamp("expires", { mode: "date" }).notNull(),
},
(vt) => [
{
compositePk: primaryKey({
columns: [vt.identifier, vt.token],
}),
},
],
);
- 但实际生成的表结构中缺少预期的复合主键约束
问题根源
经过深入分析,发现问题出在 Drizzle ORM 的 API 变更上。最新版本中,配置复合主键的方式已经发生了变化:
- 旧版本允许在返回的数组中使用对象形式配置约束
- 新版本要求直接返回主键约束实例,而不是将其包装在对象中
正确配置方式
根据最新版本的 Drizzle ORM,正确的复合主键配置应该是:
export const verificationTokens = pgTable(
"verificationToken",
{
identifier: text("identifier").notNull(),
token: text("token").notNull(),
expires: timestamp("expires", { mode: "date" }).notNull(),
},
(vt) => [
primaryKey({
columns: [vt.identifier, vt.token],
}),
],
);
关键区别在于:
- 直接返回
primaryKey()函数调用的结果 - 不再需要将主键约束包装在带有自定义名称的对象中
注意事项
- 文档可能尚未完全同步更新,开发者需要注意 API 变更
- 使用旧格式时,虽然不会报错,但会导致约束未被正确创建
- 这种变更属于破坏性变更(breaking change),升级版本时需要特别注意
最佳实践
对于 Drizzle ORM 的新用户,建议:
- 始终查阅对应版本的官方文档
- 在升级版本时,仔细阅读变更日志
- 对于关键约束,建议在推送后验证数据库结构是否符合预期
通过采用正确的配置方式,开发者可以确保复合主键等约束被正确创建,保证数据完整性和查询性能。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217