使用ogent:Ent ORM与ogen的无缝整合指南
1. 项目介绍
ogent 是一个专为Ent ORM设计的扩展包,它通过集成ogen这个强大的OpenAPI Specification文档代码生成器,提供了一种类型安全、无需反射的方式来实现RESTful API服务。此工具利用Ent ORM的能力来处理数据访问层,而ogen负责基于定义的OpenAPI文档生成服务器端逻辑。ogent作为二者之间的桥梁,自动完成ogen所需的手动实现部分,使得开发者可以轻松创建并维护符合OpenAPI v3规范的CRUD操作。
2. 项目快速启动
要快速开始使用ogent,首先确保你的开发环境中已安装了Go语言,并设置好了GOPATH或使用Go Modules。
安装ogent
执行以下命令将ogent添加到你的项目中。
go get ariga.io/ogent@main
配置Ent与ogent
接下来,在Ent项目中设置必要的配置文件,首先是创建ent/entc.go,用于集成ogent与entoas(另一个Ent扩展,用于生成OpenAPI Spec):
//go:build ignore
package main
import (
"log"
"ariga.io/ogent"
"entgo.io/contrib/entoas"
"entgo.io/ent/entc"
"entgo.io/ent/entc/gen"
"github.com/ogen-go/ogen"
)
func main() {
spec := new(ogen.Spec)
oas, err := entoas.NewExtension(entoas.Spec(spec))
if err != nil {
log.Fatalf("creating entoas extension: %v", err)
}
ogent, err := ogent.NewExtension(spec)
if err != nil {
log.Fatalf("creating ogent extension: %v", err)
}
err = entc.Generate("./schema", &gen.Config{}, entc.Extensions(oent, oas))
if err != nil {
log.Fatalf("running ent codegen: %v", err)
}
}
确保在你的项目中编辑或创建ent/generate.go,使其调用上述entc.go文件来进行代码生成步骤:
//go:generate go run ./ent/entc.go
最后,运行代码生成器:
go generate
这将会自动生成一系列处理REST API所需的Go代码。
3. 应用案例和最佳实践
在你的应用程序中加入自定义逻辑和健康检查功能是个不错的实践。例如,你可以扩展ogent生成的接口来实现数据库健康检查路由:
首先,更新ent/entc.go以添加新的API路径:
spec.AddPathItem("/db-health", ogen.NewPathItem().
SetDescription("Check the servers DB status").
SetGet(ogen.NewOperation().
SetOperationID("DBHealth").
SetSummary("Ping the database and report").
AddResponse("204", ogen.NewResponse().SetDescription("DB is reachable")).
AddResponse("503", ogen.NewResponse().SetDescription("DB is not reachable"))))
然后,在你的主要应用程序逻辑中实现该接口:
type handler struct {
ogent.OgentHandler
db *sql.DB
}
func (h handler) DBHealth(ctx context.Context) (*ogent.DBHealthRes, error) {
if err := h.db.Ping(); err != nil {
return &ogent.DBHealthServiceUnavailable{}, nil
}
return &ogent.DBHealthNoContent{}, nil
}
记得调整数据库连接和其他必要的上下文配置。
4. 典型生态项目
ogent与Ent ORM结合使用的场景广泛存在于需要快速构建RESTful API服务的Go应用中,特别是在那些重视代码质量和生产效率的项目中。虽然ogent本身是一个较为专业的工具,但其在微服务架构、云原生应用、以及需要标准化API文档的服务开发中显示出极高的价值。此外,结合Ent ORM的强大数据建模能力,ogent使得在Go生态系统中实现高度可维护且规范化的API成为可能。
以上就是ogent的快速入门及基本使用方法。随着对ogent深入探索,你可以发现更多高级特性和定制化选项,进一步优化你的API开发流程。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00