Drizzle ORM 中 SQLite 数据库迁移的常见问题与解决方案
问题背景
在使用 Drizzle ORM 进行 SQLite 数据库迁移时,许多开发者遇到了一个特定的错误:"This statement does not return data. Use run() instead"。这个问题主要出现在执行 db:push 命令时,特别是在 Mac 系统上,但 Windows 用户也报告了类似情况。
错误分析
该错误的核心在于 Drizzle Kit 在执行 SQL 语句时错误地使用了 query() 方法而不是 run() 方法。在 SQLite 中,对于不返回数据的 DDL(数据定义语言)和 DML(数据操作语言)语句,应该使用 run() 方法而非 query() 方法。
技术细节
SQLite 驱动区分了两种执行 SQL 语句的方式:
query()- 用于执行会返回数据的 SELECT 查询run()- 用于执行不返回数据的 INSERT、UPDATE、DELETE 等语句
在数据库迁移场景中,执行的通常是 CREATE TABLE、ALTER TABLE 等 DDL 语句,这些语句不返回数据,因此应该使用 run() 方法。
解决方案演进
临时解决方案
开发者们发现了以下几种临时解决方案:
-
手动修改 Drizzle Kit 源码: 找到 node_modules 中的相关文件,将所有
db.query()调用替换为db.run() -
降级 Drizzle Kit 版本: 使用 0.22.8 版本可以避免此问题,因为该版本正确使用了
run()方法
官方修复
Drizzle 团队在 0.28.0 版本中正式修复了这个问题。更新日志显示:
- 修复了 SQLite 迁移时错误使用
query()而不是run()的问题 - 确保了 BEGIN、COMMIT 和 ROLLBACK 等事务语句也使用正确的执行方法
最佳实践建议
-
版本选择: 确保使用 Drizzle Kit 0.28.0 或更高版本
-
环境一致性: 虽然问题最初在 Mac 上报告,但实际是跨平台的,建议所有开发环境使用相同版本
-
迁移策略: 对于关键项目,建议先在小规模测试环境中验证迁移操作
-
错误处理: 实现完善的错误处理机制,特别是在自动迁移脚本中
技术原理延伸
理解这个问题有助于深入掌握数据库操作的基本原理。SQL 语句分为两大类:
- 查询语句(SELECT):需要返回数据结果集
- 非查询语句(INSERT/UPDATE/DELETE/CREATE 等):只返回执行状态
现代 ORM 工具通常会抽象这些细节,但在底层实现中仍需正确处理。Drizzle ORM 的这个案例展示了即使高级抽象层也可能暴露底层细节,理解这些机制有助于更好地使用工具和调试问题。
总结
Drizzle ORM 的 SQLite 迁移问题是一个典型的 API 使用不当案例,通过分析这个问题,我们不仅找到了解决方案,还加深了对数据库操作原理的理解。对于开发者而言,保持工具链更新和深入理解底层原理同样重要。
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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112