Drift数据库触发器与流查询更新的深度解析

背景介绍

在使用Drift数据库时，开发者可能会遇到一个特殊场景：当通过触发器(trigger)修改数据时，相关的流查询(stream query)可能会出现"假死"现象。具体表现为流查询在获取空数据集后停止响应后续数据变更，既不触发完成(done)也不报错(error)。这种情况通常发生在使用触发器跨表更新数据的场景中。

问题现象分析

在典型的问题场景中，开发者通常会设置以下逻辑链：

1. 主表(如bills)发生增删改操作
2. 通过触发器自动向日志表(如bill_logs)插入记录
3. 使用流查询监控日志表的变化
4. 处理日志记录后删除该记录

当这种设计在Drift中实现时，可能会发现流查询在处理完部分记录后突然停止工作，即使日志表中仍有新数据也无法被流查询捕获。这种现象的根本原因是Drift的流查询更新机制对触发器操作缺乏足够的感知。

技术原理剖析

Drift的流查询实现依赖于两套核心机制：

1. 表变更追踪：系统会记录哪些流查询读取了哪些表
2. 写操作监控：跟踪所有插入、更新和删除操作以判断表数据何时可能发生变化

然而，触发器是在SQLite底层执行的操作，Drift无法自动感知这些跨表的数据变更。当触发器修改了bill_logs表而Drift不知情时，相关的流查询就不会被通知更新。

解决方案：StreamQueryUpdateRules

Drift提供了StreamQueryUpdateRules机制来显式声明表间的数据变更关系。对于触发器场景，我们需要重写数据库类的streamUpdateRules属性：

@override
StreamQueryUpdateRules get streamUpdateRules => StreamQueryUpdateRules([
    ...super.streamUpdateRules.rules,
    WritePropagation(
        on: TableUpdateQuery.onTableName('bills'),
        result: [
            TableUpdate('bill_logs', kind: UpdateKind.insert),
        ],
    ),
]);

这段代码明确告诉Drift：

• 当bills表发生变更时(on参数)
• 可能导致bill_logs表插入新记录(result参数)

最佳实践建议

1. 明确声明所有触发器影响：为每个触发器影响的表关系添加对应的WritePropagation规则
2. 区分操作类型：根据触发器实际行为选择正确的UpdateKind(insert/update/delete)
3. 保留默认规则：通过...super.streamUpdateRules.rules保留系统默认规则
4. 测试验证：在复杂场景下充分测试流查询的响应性

深入理解WritePropagation

WritePropagation是Drift中定义数据变更传播规则的核心类，主要包含两个部分：

1. on：定义触发条件，可以是特定表的变更或满足条件的查询
2. result：定义可能产生的数据变更结果，支持指定目标表和变更类型

这种机制不仅适用于触发器场景，还可以用于其他Drift无法自动推断数据变更关系的复杂情况。

性能考量

虽然添加流查询更新规则会增加少量运行时开销，但对于大多数应用来说这种代价可以忽略不计。相比让流查询失效带来的问题，这种显式声明的方式是更可靠的选择。

总结

Drift数据库的流查询功能在结合触发器使用时需要特别注意数据变更的传播规则。通过合理配置StreamQueryUpdateRules，开发者可以确保流查询在各种复杂场景下都能可靠工作。理解这一机制不仅能够解决眼前的问题，还能帮助开发者设计出更健壮的数据监听架构。