在Drift中使用抽象类作为行映射的技术探讨
2025-06-28 09:10:16作者:吴年前Myrtle
背景介绍
在数据库应用开发中,我们经常会遇到需要处理继承结构的实体类映射到数据库表的情况。Drift作为一个强大的Dart数据库框架,提供了@UseRowClass注解来简化这种映射关系。然而,当我们需要将抽象基类映射到数据库表时,会遇到一些特殊的挑战。
问题场景
假设我们正在开发一个问卷系统,其中有一个基础的问题抽象类AbstractQuestion,以及多个具体的问题子类(如单选题、多选题等)。我们希望:
- 将所有问题存储在单一的数据库表中
- 表中包含所有问题共有的字段(如id、title)
- 同时包含各子类特有的可空字段
技术挑战
直接使用@UseRowClass(AbstractQuestion)会遇到以下问题:
- 查询时无法自动加载特定子类所需的字段
- 类型安全性难以保证
- 插入操作时无法验证特定子类所需的字段是否完整
解决方案一:JSON序列化方案
Drift的维护者推荐的首选方案是将子类特有的数据序列化为JSON存储:
typedef Question<T extends QuestionDetails> = ({int id, String title, T details});
sealed class QuestionDetails {
static QuestionDetails fromJson(Map<String, Object?> json) {
// 实现各子类的JSON反序列化
}
}
@UseRowClass(Question)
class Questions extends Table {
IntColumn get id => integer().autoIncrement()();
TextColumn get title => text()();
BlobColumn get details => blob().map(TypeConverter.jsonb(fromJson: QuestionDetails.fromJson))();
}
优点:
- 表结构清晰简单
- 易于实现分页查询
- 类型安全有保障
缺点:
- 需要实现JSON序列化逻辑
- 查询特定字段时可能需要额外处理
解决方案二:工厂构造函数方案
如果坚持使用单表多列的方式,可以通过工厂构造函数实现:
sealed class AbstractQuestion {
final int id;
final String title;
AbstractQuestion(this.id, this.title);
factory AbstractQuestion.fromDb(int id, String title, String? onlyForTypeA, String? onlyForTypeB) {
if (onlyForTypeA != null) {
return QuestionSubtypeA(id, title, onlyForTypeA);
}
// 其他子类的处理逻辑
}
}
@UseRowClass(AbstractQuestion, constructor: 'fromDb')
class Questions extends Table {
IntColumn get id => integer().autoIncrement()();
TextColumn get title => text()();
TextColumn get onlyForTypeA => text().nullable()();
TextColumn get onlyForTypeB => text().nullable()();
}
优点:
- 所有字段都直接存储在表中
- 查询性能可能更好
缺点:
- 表结构会随着子类增加而膨胀
- 类型安全性较差
- 维护成本较高
方案选择建议
对于大多数应用场景,推荐使用JSON序列化方案,因为:
- 更符合现代数据库设计理念
- 扩展性更好,新增子类时不需要修改表结构
- 虽然查询特定字段需要额外处理,但现代数据库对JSON操作的支持已经相当完善
只有在以下情况下才考虑使用多列方案:
- 需要频繁查询或索引特定子类的字段
- 系统对查询性能有极高要求
- 子类数量非常有限且稳定
总结
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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