Kysely 中数组操作符(@>, <@, &&)的参数序列化问题解析
2025-05-19 06:14:45作者:蔡怀权
问题背景
在使用Kysely ORM进行PostgreSQL数据库操作时,开发者在尝试使用数组操作符(如<@、@>、&&)进行查询时遇到了参数序列化问题。具体表现为:
- 当数组只有一个元素时,系统报错"malformed array literal"(格式错误的数组字面量)
- 当数组有多个元素时,系统报错"operator does not exist: text[] <@ record"(操作符不存在)
问题本质
问题的根源在于Kysely对数组参数的序列化方式与PostgreSQL数组操作符的预期格式不匹配。当开发者使用如下代码:
const pets = ["hamster", "dog"];
const rows = await db
.selectFrom("person")
.where("pets", "<@", pets)
Kysely生成的SQL是:
select from "person" where "pets" <@ ($1, $2)
而实际上PostgreSQL期望的格式应该是:
select from "person" where "pets" <@ $1
其中参数$1应该是一个完整的数组值["hamster", "dog"],而不是将数组元素拆分为多个参数。
解决方案
1. 使用SQL模板字面量
Kysely提供了sql模板标签,可以更精确地控制SQL生成:
import { sql } from 'kysely'
const pets = ["hamster", "dog"];
const rows = await db
.selectFrom("person")
.where(sql`pets <@ ${pets}`)
这种方式会正确地将整个数组作为一个参数传递。
2. 使用原生PostgreSQL客户端
如果问题持续存在,可以考虑暂时使用原生PostgreSQL客户端执行查询:
import pg from 'pg';
const pgPool = new pg.Pool({ /* 配置 */ });
const pets = ["hamster", "dog"];
const res = await pgPool.query(
'select * from "person" where "pets" <@ $1',
[pets]
);
技术原理
PostgreSQL的数组操作符需要操作数都是数组类型。<@操作符检查左侧数组是否包含在右侧数组中,它要求两个操作数都是数组格式。当Kysely将数组元素拆分为多个参数时,实际上创建了一个行构造器(record)而非数组,因此导致类型不匹配错误。
最佳实践
- 对于数组操作,优先使用
sql模板标签 - 明确参数类型,确保操作符两边的数据类型匹配
- 在复杂查询场景下,考虑使用原生SQL以确保精确控制
- 关注Kysely的版本更新,此类问题可能在后续版本中得到修复
总结
Kysely作为类型安全的SQL查询构建器,在处理特定PostgreSQL特性时可能需要开发者更精确地控制SQL生成。理解底层数据库的期望格式和操作符语义,能够帮助开发者选择正确的API使用方式。数组操作符的参数序列化问题是一个典型的ORM抽象与实际数据库语义之间的阻抗不匹配案例,通过上述解决方案可以有效规避。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217