Typegoose中基类使用_id属性的注意事项
2025-07-03 02:52:41作者:滑思眉Philip
背景介绍
在使用Typegoose进行MongoDB数据建模时,开发者经常会遇到需要在基类中定义通用字段的情况。其中,_id作为MongoDB文档的标准标识符字段,经常会被包含在基类中。然而,在实际使用过程中,如果不注意一些细节,就可能导致"Virtual path '_id' conflicts with a real path in the schema"这样的错误。
问题分析
在Typegoose中,当我们在基类中定义_id属性时,常见的问题场景包括:
-
类型定义不当:使用联合类型
Types.ObjectId | string | number会导致Typegoose无法准确推断类型,从而默认使用Mixed类型。 -
模型重复构建:错误地从已构建的模型再次调用
getModelForClass,而不是直接使用类定义。 -
继承关系处理:基类中的
_id属性与Mongoose默认添加的虚拟_id属性产生冲突。
解决方案
正确的类型定义
对于_id属性,建议明确指定类型。虽然MongoDB支持多种ID类型,但在Typegoose中最好保持一致性:
@prop()
_id?: Types.ObjectId;
如果确实需要支持多种类型,可以添加allowMixed选项来避免警告:
@prop({ allowMixed: Severity.ALLOW })
_id?: Types.ObjectId | string | number;
避免模型重复构建
一个常见的错误模式是:
// 错误做法:从模型再次构建模型
const model = getModelForClass(PermissionPojoModel);
正确的做法应该是:
// 正确做法1:直接从类构建模型
const model = getModelForClass(PermissionPojo);
// 正确做法2:直接使用已构建的模型
const entity = await PermissionPojoModel.create({});
基类设计最佳实践
在设计包含_id的基类时,建议:
- 明确文档接口:
export interface ITrackable {
_id?: Types.ObjectId;
createdBy?: string;
createdAt?: Date;
updatedAt?: Date;
}
- 实现基类:
export abstract class AbstractPojo<T> implements ITrackable {
@prop()
_id?: Types.ObjectId;
@prop()
createdAt?: Date;
// 其他公共字段和方法...
}
实际应用示例
以下是一个完整的使用示例:
// 定义接口
export interface IPermissionDTO {
name: string;
displayName?: string;
}
// 实现类
export class PermissionPojo extends AbstractPojo<PermissionPojo> implements IPermissionDTO {
@prop({ required: true })
name!: string;
@prop()
displayName?: string;
}
// 正确获取模型
export const PermissionModel = getModelForClass(PermissionPojo);
// 使用示例
async function createPermission() {
const permission = await PermissionModel.create({
name: "admin",
displayName: "Administrator"
});
console.log(permission._id); // 自动生成的ObjectId
}
总结
在Typegoose中使用基类包含_id属性时,需要注意以下几点:
- 明确指定
_id的类型,避免使用过于宽泛的联合类型 - 不要从已构建的模型再次创建模型
- 合理设计基类接口和实现
- 必要时使用
allowMixed选项来处理复杂类型
遵循这些原则,可以避免大部分与_id属性相关的冲突问题,构建出更加健壮的Typegoose数据模型。
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
223
245
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
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218