Ecto中`:writable`选项在`:insert`模式下的行为解析
2025-06-03 08:45:52作者:江焘钦
背景介绍
在使用Ecto ORM框架进行数据库操作时,我们经常需要控制某些字段的可写性。Ecto提供了:writable选项来定义字段的写入权限,其中:writable: :insert表示该字段只能在插入操作时被写入,后续更新操作中应该被忽略。
问题现象
开发者发现当使用:writable: :insert选项定义字段后,在更新操作中该字段仍然可以被修改。具体表现为:
- 定义了一个带有
:writable: :insert选项的字段 - 在更新操作中尝试修改该字段
- 更新操作成功返回,且返回的结构体中显示字段已被修改
技术分析
实际上,这是一个理解上的误区。Ecto的行为是:
- 数据库层面确实忽略了该字段的更新(通过检查数据库确认)
- 但返回的结构体仍然包含用户尝试修改的值
- 这是因为Ecto默认不会从数据库重新读取所有字段
解决方案
有三种方式可以解决这个问题:
方案一:使用不同的changeset
为插入和更新操作分别定义不同的changeset函数,在更新changeset中不包含只允许插入的字段。
def insert_changeset(account, attrs) do
account
|> cast(attrs, [:firebase_uid, :deactivated_at])
|> validate_required([:firebase_uid])
end
def update_changeset(account, attrs) do
account
|> cast(attrs, [:deactivated_at])
end
方案二:使用:returning选项
在Repo.update调用中显式设置:returning: true,强制从数据库重新读取所有字段:
Repo.update(changeset, returning: true)
方案三:等待Ecto修复
Ecto团队已经确认这是一个需要改进的行为,未来版本可能会自动过滤掉不可写字段的更新。
最佳实践建议
目前推荐使用方案一(不同的changeset)作为临时解决方案,因为:
- 它更明确地表达了业务意图
- 不依赖数据库的特定行为
- 性能更好(不需要额外的数据库读取)
深入理解Ecto的更新机制
理解这个问题需要了解Ecto的几个关键设计:
- Changeset原则:Ecto通过changeset来跟踪和验证变更,但changeset本身不强制数据库约束
- 部分更新:Ecto默认只发送实际变更的字段到数据库
- 返回策略:默认情况下,Ecto不会重新读取所有字段,而是合并数据库返回的字段和用户提供的值
总结
Ecto的:writable选项在:insert模式下目前存在行为与预期不符的情况,但通过理解Ecto的工作机制,我们可以采用适当的解决方案。这个问题也提醒我们,在使用ORM框架时,不仅要了解表面API,还需要深入理解其背后的数据流和状态管理机制。
对于需要严格控制字段写入权限的场景,显式地使用不同的changeset是目前最可靠的方式。随着Ecto框架的演进,这个问题有望得到更优雅的解决。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253