Drizzle ORM 中支持原始SQL的CTE查询构建器功能解析
2025-05-07 21:29:59作者:蔡怀权
在数据库查询中,公共表表达式(CTE)是一种强大的工具,它允许开发者创建临时结果集,这些结果集可以在后续查询中被引用。Drizzle ORM作为一个现代化的TypeScript ORM工具,近期在其0.39.0版本中新增了对原始SQL语句在CTE查询构建器中的支持,这一改进极大地增强了查询的灵活性。
CTE在Drizzle ORM中的演进
在早期版本中,Drizzle ORM的CTE定义主要依赖于两种方式:
- 使用类型化的查询构建器
TypedQueryBuilder<TSelection, unknown> - 通过回调函数
(qb: QueryBuilder) => TypedQueryBuilder<TSelection, unknown>)
虽然这些方法能够满足基本需求,但在处理复杂查询场景时存在明显限制。特别是当开发者需要使用高级SQL特性如横向连接(LATERAL JOIN)时,原有的API就显得力不从心。
新特性的技术实现
新版本引入的原始SQL支持为CTE定义提供了第三种方式,开发者现在可以这样使用:
db.$with('my-cte')
.as(sql<MyCustomType[]>`
select * from sometable
`)
这种语法糖的设计保留了Drizzle ORM的类型安全特性,同时提供了直接使用原生SQL语句的能力。sql标签模板函数在这里扮演了关键角色,它不仅允许嵌入原始SQL,还能保持类型推断。
实际应用场景
这项改进特别适用于以下情况:
- 复杂查询构建:当需要使用数据库特定功能如窗口函数、JSON操作或横向连接时
- 遗留系统迁移:将现有SQL查询逐步迁移到Drizzle ORM中
- 性能优化:对于需要精细调优的查询部分直接使用原生SQL
例如,处理包含LATERAL JOIN的查询现在变得简单直接:
db.$with('user_data')
.as(sql`
SELECT u.*, p.post_count
FROM users u
LEFT JOIN LATERAL (
SELECT COUNT(*) as post_count
FROM posts
WHERE posts.user_id = u.id
) p ON true
`)
.select()
.from('user_data')
技术考量与最佳实践
虽然这项功能提供了更大的灵活性,但在使用时仍需注意:
- SQL注入风险:直接使用字符串拼接SQL仍需谨慎,应优先使用参数化查询
- 数据库兼容性:原生SQL可能在不同数据库引擎间存在差异
- 维护成本:过度使用原生SQL可能降低代码的可维护性
建议开发者:
- 对于简单查询仍优先使用Drizzle的查询构建器
- 将复杂原生SQL部分封装为独立的CTE
- 添加适当的注释说明SQL的逻辑
总结
Drizzle ORM对CTE中原生SQL的支持代表了其在灵活性和类型安全性之间的良好平衡。这一改进不仅解决了现有用户的实际痛点,也为ORM在复杂应用场景中的使用开辟了新的可能性。随着0.39.0版本的发布,Drizzle ORM进一步巩固了其作为现代TypeScript ORM解决方案的地位。
对于正在评估或使用Drizzle ORM的团队来说,理解并合理利用这一特性将有助于构建更强大、更灵活的数据库访问层。
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 StartedRust0213
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
963
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++
874
2.02 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++
697
1.4 K
昇腾LLM分布式训练框架
Python
184
230
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++
1.1 K
1.14 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
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
364
431