Kysely 项目中的 UpdateQueryBuilder.returningAll 方法增强解析
2025-05-19 20:55:35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
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
246
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
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
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