Ash项目中的级联删除机制优化:从SQL级联到Ash级联的演进
2025-07-08 01:49:13作者:廉皓灿Ida
在数据库应用开发中,级联删除是一个常见但容易引发问题的功能。本文将以Elixir生态中的Ash框架为例,深入探讨级联删除机制的实现原理、现存问题以及优化方案。
级联删除的基本概念
级联删除指的是当删除父记录时,自动删除其相关联的子记录。这种机制通常有两种实现方式:
- 数据库层面的级联删除:通过外键约束的
ON DELETE CASCADE实现 - 应用层面的级联删除:由应用框架在代码层面控制删除顺序
Ash框架提供了cascade_destroy功能来实现应用层面的级联删除,但在实际使用中与数据库级联删除存在冲突。
问题根源分析
当同时使用数据库级联和应用级联时,会出现以下问题:
- 执行顺序冲突:数据库级联会立即执行,而Ash的
cascade_destroy默认在after_action阶段执行 - 通知丢失:由于记录已被数据库删除,Ash无法触发相关的变更通知
- 控制权分散:两种机制同时存在导致行为不可预测
技术实现细节
Ash框架原有的级联删除实现存在以下特点:
- 使用
after_action钩子执行删除 - 需要配合
deferrable: :initially外键约束 - 删除顺序是父记录先删除,然后通过回调删除子记录
这种实现方式在以下场景会失效:
- 数据库已配置
ON DELETE CASCADE - 事务隔离级别导致可见性问题
- 异步处理场景
优化方案与实践
经过社区讨论,Ash框架对级联删除机制进行了重要改进:
- 执行时机调整:将
cascade_destroy从after_action改为before_action - 删除顺序优化:先删除子记录再删除父记录
- 兼容性处理:保留旧行为作为可选配置
改进后的优势包括:
- 不再依赖
deferrable: :initially约束 - 确保所有删除操作都在应用控制范围内
- 完整的变更通知触发
- 更符合开发者的直觉预期
最佳实践建议
基于这些改进,我们建议:
- 统一使用Ash级联:避免混合使用数据库级联和应用级联
- 明确删除策略:根据业务需求选择同步或异步删除
- 充分利用通知系统:确保重要业务逻辑能响应删除事件
- 测试边界条件:特别是大量级联删除时的性能表现
总结
Ash框架对级联删除机制的优化体现了应用层与数据库层职责分离的设计思想。通过将控制权完全交给应用层,开发者可以获得更一致的行为和更强的可控性。这种改进不仅解决了技术冲突,也为构建更健壮的数据处理流程奠定了基础。
对于正在使用或考虑使用Ash框架的开发者,理解这些改进背后的设计理念将有助于构建更可靠的数据库应用。级联删除虽是小功能,但正确处理对系统稳定性至关重要。
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 StartedRust0195
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 Notebook0124
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 Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 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++
859
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++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
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
446
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
620
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
152
255