Ash项目中的字符串长度过滤Bug分析与修复
2025-07-08 02:38:29作者:鲍丁臣Ursa
在Elixir生态系统中,Ash是一个强大的资源定义和操作框架。最近在项目使用过程中,开发者发现了一个关于字符串长度过滤的Bug,这个Bug会导致类型转换异常。本文将深入分析这个问题的成因、影响范围以及解决方案。
问题现象
当开发者尝试在Ash资源中定义一个读取操作(read action),并使用字符串长度(string_length)作为过滤条件时,系统会抛出类型转换错误。具体表现为PostgreSQL数据库尝试将整数类型(length函数结果)强制转换为money_with_currency类型,这显然是不合理的类型转换。
问题复现
通过简化后的代码示例可以清晰地复现这个问题:
read :featured do
filter expr(string_length(foo) > 8)
end
执行上述代码时,Ash生成的SQL查询会包含错误的类型转换:
SELECT m0."id", m0."foo" FROM "my_resources" AS m0
WHERE (length(normalize(m0."foo"::text))::money_with_currency > $1::decimal::decimal)
根本原因分析
经过深入分析,这个问题源于Ash的表达式处理机制。当处理string_length函数时:
- Ash正确识别了string_length函数并生成了对应的SQL length函数
- 但在后续的类型推导和处理过程中,系统错误地将比较操作的结果类型推断为money_with_currency
- 这种错误的类型推断导致生成的SQL包含了不合理的类型转换
影响范围
这个Bug会影响所有满足以下条件的场景:
- 使用PostgreSQL作为数据存储
- 在过滤条件中使用string_length函数
- 对string_length的结果进行比较操作
解决方案
项目维护者已经提交了修复代码,主要修改点包括:
- 修正类型推导逻辑,确保string_length函数的返回类型被正确识别为整数
- 完善比较操作的类型处理,避免不合理的类型转换
- 增加测试用例覆盖此类场景
最佳实践建议
为了避免类似问题,开发者在使用Ash时应注意:
- 对于自定义函数表达式,明确指定返回类型
- 在复杂过滤条件中,考虑分步构建查询
- 保持Ash框架版本更新,及时获取Bug修复
总结
这个Bug展示了类型系统在查询构建中的重要性。Ash框架通过及时修复这类问题,持续提升了其在复杂查询场景下的稳定性和可靠性。对于开发者而言,理解框架的表达式处理机制有助于编写更健壮的代码,并在遇到类似问题时能够快速定位原因。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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