go-jet/jet 项目中 SQL 构建器的 RETURNING 子句别名处理分析
2025-06-26 11:47:11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
kernelopenEuler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。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
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
233
98
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
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
450
180
🎉 (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
1.28 K
704