Ash项目中的动作调用选项全解析
2025-07-08 16:58:52作者:谭伦延
概述
在Ash框架中,通过代码接口调用动作时,开发者可以使用多种选项来定制行为。这些选项提供了强大的灵活性,但同时也带来了发现和理解上的挑战。本文将全面解析Ash资源动作调用时可用的各种选项,帮助开发者充分利用框架提供的功能。
基本动作类型与选项
Ash框架支持多种基本动作类型,每种类型都有其特定的选项集:
- 读取动作(Read):用于查询数据
- 创建动作(Create):用于新建记录
- 更新动作(Update):用于修改现有记录
- 销毁动作(Destroy):用于删除记录
- 自定义动作(Action):开发者定义的特殊操作
通用选项详解
所有动作类型都支持以下通用选项:
:api:指定要使用的Ash API模块:timeout:设置操作超时时间:tracer:用于跟踪操作的模块:verbose?:启用详细日志记录:actor:设置执行操作的当前用户:authorize?:是否执行授权检查:return_notifications?:是否返回操作产生的通知:tenant:多租户环境下的租户标识
读取动作特有选项
读取动作(read)除了通用选项外,还支持以下特殊选项:
-
:query:接受关键字列表形式的查询参数,可包含::filter:数据过滤条件:sort:结果排序规则:limit:返回结果数量限制:offset:结果偏移量:select:指定返回字段:load:预加载关联关系:distinct:去重设置
-
:page:分页相关参数 -
:count:是否返回总数统计 -
:after:分页游标(用于基于游标的分页) -
:before:分页游标(用于基于游标的分页)
变更动作选项
创建(create)、更新(update)和销毁(destroy)动作共享以下选项:
:changeset:预构建的变更集:params:原始参数(自动转换为变更集):select:指定返回字段:load:操作后预加载关联关系:return_changeset?:是否返回变更集而非结果
创建和更新动作特有选项:
:upsert?:是否执行upsert操作:upsert_identity:upsert操作使用的唯一标识
查询构建选项
当通过query参数传递选项时,可以使用Ash.Query.build/3支持的所有选项,包括:
- 复杂过滤条件构建
- 聚合计算配置
- 子查询设置
- 计算字段定义
- 高级排序规则
最佳实践建议
- 性能优化:合理使用
:select和:load选项避免过度获取数据 - 安全考虑:始终设置
:actor并启用:authorize?选项 - 调试技巧:在开发时启用
:verbose?选项查看详细执行过程 - 分页策略:根据数据量选择合适的
:page或游标分页方式 - 变更控制:利用
:return_changeset?在复杂操作中获取中间状态
总结
Ash框架提供了丰富的动作调用选项,这些选项共同构成了框架灵活性的基础。理解并合理使用这些选项,可以显著提高开发效率和应用程序性能。开发者应当根据具体场景选择合适的选项组合,并在项目文档中记录重要的选项使用决策。
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥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
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
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
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160