Kysely项目中UNION查询类型推断的限制与解决方案
2025-05-19 14:04:21作者:邵娇湘
在TypeScript ORM框架Kysely中,开发者在使用UNION操作符组合查询时可能会遇到一个有趣的类型系统限制。本文将通过一个典型场景分析这个问题背后的技术原理,并提供实用的解决方案。
问题场景分析
考虑以下查询构建示例:
eb(
'folderId',
'in',
eb
.selectFrom('folder')
.select(['id'])
.union(
eb
.selectFrom('contentPermission')
.select(['folderId as id'])
.where('contentPermission.folderId', 'is not', null)
),
)
在这个查询中,我们尝试将两个子查询通过UNION组合:
- 从
folder表选择非空的id字段 - 从
contentPermission表选择非空的folderId字段(别名为id)
虽然第二个查询通过.where条件明确排除了null值,但TypeScript类型系统仍然会报错,提示联合查询的列类型不匹配。
类型系统限制的根源
这个问题源于TypeScript的类型系统特性:
- 静态类型检查:TypeScript在编译时进行类型检查,无法动态推断运行时条件的影响
- 类型不变性:WHERE条件不会改变列的基础类型定义
- UNION类型要求:UNION操作要求所有子查询的对应列具有完全相同的类型
即使开发者通过WHERE子句确保实际结果中不会出现null值,TypeScript仍然基于表定义中的列类型(folderId被定义为可空)进行校验。
解决方案与实践建议
对于这类问题,Kysely官方推荐使用类型断言来明确告诉TypeScript实际的结果类型:
eb(
'folderId',
'in',
eb
.selectFrom('folder')
.select(['id'])
.union(
eb
.selectFrom('contentPermission')
.select(['folderId as id'])
.where('contentPermission.folderId', 'is not', null)
.$castTo<{ id: string }>() // 显式类型断言
),
)
深入理解设计决策
Kysely选择不自动推断WHERE条件对类型的影响是经过深思熟虑的:
- 类型系统复杂性:实现条件类型推断会大幅增加类型系统的复杂度
- 边际效益:只能覆盖简单条件场景,复杂WHERE子句仍无法处理
- 开发体验:可能导致变量重赋值问题,影响代码可维护性
最佳实践总结
- 对于简单查询,使用
$castTo进行显式类型断言 - 考虑使用视图或CTE预先过滤数据
- 复杂场景下,可以将查询分解为多个步骤
- 保持表设计的类型尽可能准确,减少运行时过滤需求
理解这些类型系统的限制有助于开发者更高效地使用Kysely构建类型安全的查询,同时避免陷入类型推断的陷阱。
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
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218