go-jet/jet 项目中 SQL 构建器的 RETURNING 子句别名处理分析
2025-06-26 19:26:03作者:丁柯新Fawn
背景介绍
在数据库操作中,INSERT 语句的 RETURNING 子句是一个非常有用的特性,它允许我们在插入数据后立即返回插入的记录。go-jet/jet 作为一个强大的 SQL 构建器库,为 Go 语言提供了类型安全的 SQL 构建能力。
问题描述
在使用 go-jet/jet 构建 INSERT 语句时,当为表指定别名后,RETURNING 子句会自动为每个返回列添加完整的别名限定(如 t.col_1 AS "t.col_1")。这种自动添加的完整别名限定在某些情况下可能与应用程序的数据扫描逻辑产生冲突。
技术细节
默认行为分析
go-jet/jet 的默认行为是为 RETURNING 子句中的列生成包含表别名的完整限定名。例如:
INSERT INTO schema.tables AS t (col_1, col_2)
VALUES ($1, $2)
RETURNING t.col_1 AS "t.col_1", t.col_2 AS "t.col_2";
这种设计确保了返回的列名具有明确的命名空间,避免了可能的列名冲突。
用户期望行为
部分用户希望 RETURNING 子句能够省略 AS 别名部分,直接返回列名:
INSERT INTO schema.tables AS t (col_1, col_2)
VALUES ($1, $2)
RETURNING t.col_1, t.col_2;
这种需求通常出现在使用特定 ORM 或数据扫描工具时,这些工具可能期望简单的列名而非完全限定的别名。
解决方案探讨
1. 显式指定列别名
用户可以通过显式地为每列指定简化的别名来解决此问题:
tables.Col1.AS("col_1"),
tables.Col2.AS("col_2")
这种方法提供了最大的灵活性,但需要为每列单独指定。
2. 调整数据模型标记
修改数据结构的 db 标签,使其包含表别名前缀:
type Table struct {
Col1 pgtype.Date `db:"t.col_1"`
Col2 pgtype.Time `db:"t.col_2"`
}
3. 不使用表别名
在简单查询中,可以完全省略表别名:
INSERT INTO schema.tables (col_1, col_2)
VALUES ($1, $2)
RETURNING col_1, col_2;
4. 自定义扫描逻辑
实现自定义的扫描逻辑,能够处理带别名的列名。
5. 修改查询引擎
对于有控制权的查询引擎,可以修改其解析逻辑以适应带别名的列名。
技术权衡
每种解决方案都有其优缺点:
- 显式别名:最灵活但最繁琐
- 调整标记:需要修改数据结构
- 省略别名:最简单但可能失去命名空间保护
- 自定义扫描:需要额外开发工作
- 修改引擎:适用于长期项目但工作量大
最佳实践建议
对于大多数项目,建议采用以下策略:
- 在简单应用中使用省略别名的方法
- 在复杂应用中采用显式别名或调整数据模型标记
- 对于长期维护的大型项目,考虑修改查询引擎以适应项目需求
结论
go-jet/jet 的当前设计提供了明确的列名限定,确保了查询的清晰性和安全性。虽然它可能不直接满足所有使用场景,但通过提供的多种解决方案,开发者可以根据项目需求选择最适合的方法。理解这些技术细节有助于开发者更好地利用 go-jet/jet 构建健壮的数据库应用。
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
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
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1