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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.77 K
Ascend Extension for PyTorch
Python
347
413
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++
889
607
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
337
184
暂无简介
Dart
778
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
356
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
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896