Kysely 项目中实现多计数与去重计数的查询方法
2025-05-19 18:16:59作者:何举烈Damon
Kysely 是一个类型安全的 SQL 查询构建器,它提供了强大的功能来构建复杂的 SQL 查询。在实际开发中,我们经常需要同时获取表的总记录数和某个字段的去重计数,这在数据分析场景中尤为常见。
基本查询需求
假设我们有一个用户表 tbl_user,需要同时查询:
- 表中的总用户数
- 不同职位(position)的总数
传统SQL写法如下:
SELECT
COUNT(*) AS total_users,
COUNT(DISTINCT position) AS total_positions
FROM tbl_user;
Kysely 的实现方式
Kysely 提供了内置的方法来实现这种多计数查询。核心在于使用 fn 函数构建器来创建聚合函数表达式:
const result = await db
.selectFrom("tbl_user")
.select(({ fn }) => [
fn.countAll().as("total_users"),
fn.count("position").distinct().as("total_positions"),
])
.execute();
技术解析
-
fn.countAll()
对应SQL中的COUNT(*),计算表中的所有记录数 -
fn.count().distinct()
这种链式调用方式对应SQL中的COUNT(DISTINCT column),实现了对指定列的去重计数 -
.as()方法
为每个计数结果指定别名,方便在结果对象中访问
实际应用场景
这种多计数查询在以下场景特别有用:
- 数据概览仪表盘
- 统计报表生成
- 数据质量检查(如检查字段的唯一值数量)
- 分页前的数据总量统计
类型安全优势
Kysely 的类型系统能够自动推断查询结果的类型。对于上面的查询,TypeScript 会自动推断出返回结果的类型为:
{
total_users: number;
total_positions: number;
}
这避免了手动定义类型的麻烦,也减少了类型错误的可能性。
性能考虑
虽然这种查询方式简洁明了,但在大数据量表上使用时需要注意:
- COUNT(DISTINCT) 操作可能比简单的 COUNT 更耗资源
- 如果只需要计数而不需要具体数据,确保不要添加不必要的字段到SELECT中
- 对计数字段添加适当的索引可以显著提高查询性能
通过Kysely的这种查询构建方式,开发者可以既保持代码的类型安全,又能以声明式的方法构建复杂的计数查询,大大提高了开发效率和代码的可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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