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。
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