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 02:31:34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
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137