InstantDB 中创建通用工具函数时遇到的类型问题解析
2025-05-27 06:03:00作者:裴锟轩Denise
背景介绍
InstantDB 是一个提供实时数据库功能的工具,它允许开发者通过 TypeScript 类型系统来定义和操作数据模型。在使用过程中,开发者经常会遇到需要创建通用工具函数来处理不同类型实体的情况。
问题描述
在尝试创建一个通用的 newEntity 函数时,开发者遇到了类型检查不严格的问题。具体表现为:
- 函数应该能够根据传入的集合类型(如 "users")自动推断出该类型实体应有的属性
- 但实际上,当传入错误的属性名或属性类型时,TypeScript 并没有正确地报错
解决方案
InstantDB 团队在 0.17.3 版本中引入了新的工具类型 UpdateParams 来解决这个问题。以下是正确的实现方式:
// 首先定义应用模式
const _schema = i.schema({
entities: {
users: i.entity({ email: i.string() })
}
});
// 创建类型别名以便复用
type AppSchema = typeof _schema;
const schema: AppSchema = _schema;
// 初始化数据库连接
const db = init({
adminToken: "...",
appId: "...",
schema,
});
// 获取所有集合类型
type Collection = keyof typeof schema.entities;
// 使用 UpdateParams 工具类型
type EntityUpdate<T extends Collection> = UpdateParams<typeof schema, T>;
// 改进后的通用实体创建函数
export const newEntity = async <T extends Collection>(
type: T,
props: EntityUpdate<T>,
) => {
const theId = id();
await db.transact(db.tx[type][theId].update(props));
return theId;
};
关键改进点
- 使用
UpdateParams工具类型:这个新引入的类型能够准确地反映实体更新时允许的参数 - 严格的类型检查:现在当传入不存在的属性或类型不匹配的属性时,TypeScript 会正确地报错
- 模式定义分离:将模式定义与类型定义分离,提高了代码的可维护性
实际效果验证
// 正确用法 - 通过类型检查
const user1 = await newEntity("users", { email: "alice@gmail.com" });
// 错误用法1 - 不存在的属性 - 现在会报错
const user2 = await newEntity("users", { blabla: "bob@gmail.com" });
// 错误用法2 - 类型不匹配 - 现在会报错
const user3 = await newEntity("users", { email: 123 });
扩展建议
对于需要处理关联关系的情况,InstantDB 还提供了 LinkParams 工具类型,可以用来类型安全地处理实体间的关联。开发者可以按照类似的模式创建处理关联关系的通用函数。
总结
通过使用 InstantDB 提供的工具类型,开发者可以创建类型安全的通用函数,大大提高代码的可靠性和开发体验。这种方法不仅适用于实体创建,也可以推广到其他数据库操作场景中。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869