Drift 数据库:深入理解自定义行类与插入操作的交互机制
2025-06-28 01:25:26作者:庞队千Virginia
在 Dart 生态中,Drift(原名 Moor)是一个功能强大的 SQLite 数据库库,它通过代码生成简化了数据库操作。本文将重点探讨 Drift 中自定义行类(row class)与插入操作(Insertable)之间的交互机制,帮助开发者更好地理解和使用这一特性。
自定义行类的基本用法
Drift 允许开发者通过 @UseRowClass 注解将表映射到自定义的 Dart 类。例如:
@UseRowClass(User)
class Users extends Table {
IntColumn get id => integer().autoIncrement()();
TextColumn get some => text()();
TextColumn get some2 => text()();
}
对应的 User 类通常需要实现 Insertable<User> 接口,以便可以直接用于数据库操作:
class User implements Insertable<User> {
User({required this.id, required this.some, required this.some2});
final int id;
final String some;
final String some2;
@override
Map<String, Expression> toColumns(bool nullToAbsent) {
return UsersCompanion(
id: Value(id),
some: Value(some),
some2: Value(some2),
).toColumns(nullToAbsent);
}
}
构造函数参数与表列的对应关系
一个常见的问题是构造函数参数是否需要包含表中所有列。实际上,Drift 并不强制要求构造函数包含所有列,但需要注意以下几点:
- 数据完整性:如果构造函数不包含某些列,这些列将不会被初始化,可能导致数据不一致
- 插入操作:
toColumns方法需要正确处理所有需要插入的列
例如,以下实现是可行的:
class User implements Insertable<User> {
User({required this.id, required this.some, String? some2})
: some2 = some2 ?? some;
final int id;
final String some;
final String some2;
@override
Map<String, Expression> toColumns(bool nullToAbsent) {
return UsersCompanion(
id: Value(id),
some: Value(some),
some2: Value(some2),
).toColumns(nullToAbsent);
}
}
生成 Insertable 实现
Drift 提供了 generateInsertable: true 选项来自动生成 Insertable 实现:
@UseRowClass(User, generateInsertable: true)
class Users extends Table {
// 列定义...
}
生成的代码会创建一个 _$UserInsertable 类,它实现了 Insertable<User> 接口。需要注意的是:
- 如果自定义类已经实现了
Insertable,应该直接使用该实现 - 生成的方法仅包含构造函数中存在的属性
最佳实践
- 明确使用场景:如果自定义类需要特殊处理插入逻辑,应自行实现
Insertable - 保持一致性:确保构造函数参数和
toColumns方法处理的列一致 - 避免混淆:理解
toInsertable()扩展方法的作用,不要误用它替代自定义实现 - 数据完整性:考虑所有表列在对象中的表示方式,避免数据丢失
常见误区
- 误认为必须初始化所有列:实际上构造函数可以只包含部分列,但需要确保
toColumns正确处理 - 混淆生成代码和自定义代码:自定义
Insertable实现优先于生成的代码 - 过度依赖生成代码:对于复杂逻辑,应该考虑自定义实现
理解这些概念和机制将帮助开发者更有效地使用 Drift 进行数据库操作,构建更健壮的应用程序。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
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
68
20
🎉 (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
1.37 K
781