TanStack DB 0.0.6版本发布:更强大的实时查询与数据变更处理
TanStack DB是一个现代化的JavaScript数据库解决方案,旨在为前端开发者提供简单、高效的数据管理能力。它支持实时查询、乐观更新等特性,非常适合构建响应式Web应用。最新发布的0.0.6版本带来了几项重要改进,显著提升了开发体验和功能灵活性。
实时查询功能的增强
新版本对实时查询功能进行了两项重要改进,使得数据筛选和转换更加灵活和强大。
首先是where子句现在支持回调函数形式。开发者可以传入一个接收行数据作为参数的回调函数,利用完整的JavaScript能力进行数据筛选。这意味着不再局限于简单的字段比较,可以实现任意复杂的过滤逻辑。
// 使用回调函数进行复杂过滤
const filteredData = collection.liveQuery({
where: (row) => {
return row.age > 18 && row.name.startsWith('A');
}
});
其次是select子句同样支持了回调函数形式。这个改进允许开发者在返回数据前对每一行进行任意转换和处理,不再局限于简单的字段选择。
// 使用回调函数转换返回数据
const transformedData = collection.liveQuery({
select: (row) => ({
fullName: `${row.firstName} ${row.lastName}`,
agePlus10: row.age + 10
})
});
这两项改进大大增强了实时查询的表达能力,使得开发者可以更灵活地处理数据,而无需在查询后额外编写数据处理代码。
数据变更处理的新模式
0.0.6版本引入了一种更直观的数据变更处理模式,简化了插入、更新和删除操作的实现方式。
现在,开发者可以直接在集合配置中定义onInsert、onUpdate和onDelete处理器。当调用collection.insert()、.update()或.delete()方法时,如果没有显式的事务环境(即不在useOptimisticMutation中),库会自动创建一个单操作事务并调用相应的处理器来持久化变更。
const posts = new Collection({
// ...其他配置
onInsert: async (newPost) => {
// 持久化逻辑
return { refetch: true }; // 可选:控制是否重新获取数据
},
onUpdate: async (updatedPost) => {
// 持久化逻辑
return { refetch: false };
},
onDelete: async (postId) => {
// 持久化逻辑
return { refetch: true };
}
});
对于使用ElectricSQL的场景,处理器需要返回包含事务ID的对象,集合会自动等待该事务同步完成后再解析变更,确保数据一致性。
const electricPosts = new Collection({
// ...其他配置
onInsert: async (newPost) => {
const result = await electricDB.insert(...);
return { txid: result.txid }; // 必须返回事务ID
}
});
这一改进使得常见的数据变更场景代码更加简洁直观,同时保留了useOptimisticMutation用于处理复杂事务的能力。
迁移建议与最佳实践
对于现有项目迁移到0.0.6版本,建议开发者:
- 将简单的单集合操作从
useOptimisticMutation迁移到直接调用集合方法并配置相应的处理器 - 保留复杂的事务逻辑继续使用
useOptimisticMutation - 利用新的实时查询回调功能简化数据处理逻辑
- 对于ElectricSQL项目,确保所有处理器都返回正确的事务ID
新版本通过这些改进,使得TanStack DB在保持强大功能的同时,API更加简洁直观,进一步提升了开发体验和应用性能。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00