Kysely 项目中的 UpdateQueryBuilder.returningAll 方法增强解析
2025-05-19 02:26:14作者:仰钰奇
Kysely 是一个类型安全的 SQL 查询构建器,最近在其 UpdateQueryBuilder 中增强了对 returningAll 方法的支持,使其能够处理带有表名的复杂查询场景。这一改进显著提升了复杂更新操作的类型安全性和开发体验。
问题背景
在 SQL 操作中,UPDATE 语句经常需要返回更新后的数据行。Kysely 提供了 returningAll 方法来实现这一功能,但在处理带有表别名的复杂查询时存在局限性。特别是在使用子查询作为数据源时,开发者无法精确指定要返回哪些表的全部列。
技术实现
Kysely 通过扩展 UpdateQueryBuilder 的 returningAll 方法,使其能够接受表名或别名作为参数。这一改进的核心在于:
- 类型系统增强:更新了类型定义以支持表名参数
- 查询构建逻辑调整:确保生成的 SQL 正确处理表名前缀
- 结果类型推断:基于输入表名精确推断返回结果的类型
使用场景
这一改进特别适用于以下场景:
db.updateTable('Queues')
.set('status', 'processing')
.from((eb) =>
eb
.selectFrom('Queues')
.innerJoin('Messages', 'Queues.messageId', 'Messages.id')
.selectAll('Queues')
.select([
'Messages.event',
'Messages.payload',
'Messages.id as messageId',
'Messages.createdAt'
])
.where('Queues.status', '=', 'pending')
.forUpdate()
.skipLocked()
.as('query')
)
.where('Queues.id', '=', 'query.id')
.returningAll('query') // 现在可以正常工作
.execute()
在这个例子中,我们:
- 从 Queues 和 Messages 表联合查询创建了一个子查询
- 使用该子查询作为更新源
- 明确指定返回子查询中的所有列
技术价值
这一改进带来了多重好处:
- 类型安全性增强:TypeScript 能更准确地推断返回结果的类型
- 代码可读性提升:明确指定返回的表使代码意图更清晰
- 复杂查询支持:为涉及多表操作的更新场景提供了更好的支持
- 一致性改进:使 UpdateQueryBuilder 的 API 与其他查询构建器保持一致
底层原理
在实现层面,Kysely 需要:
- 解析表名/别名参数
- 验证该表确实存在于查询中
- 生成正确的 RETURNING 子句
- 确保类型系统能正确反映返回的数据结构
这一改进体现了 Kysely 对开发者体验的持续关注,通过精细的类型系统支持使复杂 SQL 操作更加安全和直观。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
233
98
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
10
1
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
450
180
🎉 (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
1.28 K
704