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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108