InstantDB 中创建通用工具函数时遇到的类型问题解析
2025-05-27 15:57:27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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220