在GRDB.swift中实现浮点数关联计数除法

问题背景

在使用GRDB.swift进行数据库操作时，开发者经常需要计算关联实体的数量比率。例如，在一个任务管理应用中，可能需要计算每个任务中已完成子任务的比例。这种比例计算通常需要将两个关联计数相除，并希望得到浮点数结果而非整数除法。

整数除法的局限性

GRDB.swift默认的关联计数除法会执行整数除法，这在计算进度百分比等场景下会导致精度丢失。例如：

Quest.activeMission.count / Quest.totalMission.count

上述代码会执行整数除法，无法得到精确的浮点结果。

解决方案演进

初始解决方案：包装请求技术

在早期版本中，开发者可以采用"包装请求"技术来解决这个问题。这种技术通过以下步骤实现：

1. 首先获取基础查询结果，包含两个计数
2. 然后通过SQLRequest包装这个查询，在外部执行浮点除法

let baseRequest = Quest
    .all()
    .annotated(with:
        Quest.activeMission.forKey("active").count,
        Quest.totalMission.forKey("total").count)

return SQLRequest<QuestProgress>(literal: """
    SELECT *, (CAST(activeCount AS REAL) / totalCount) AS progress
    FROM (\(request))
    """)

这种方法虽然有效，但代码较为冗长，不够直观。

计算属性替代方案

另一种简单的方法是先获取两个计数，然后在Swift端进行计算：

struct QuestProgress {
    let quest: Quest
    private let completedCount: Int
    private let totalCount: Int
    
    var progress: Double {
        Double(completedCount) / Double(totalCount)
    }
}

这种方法虽然简单，但无法在数据库层面进行基于进度的排序或过滤。

GRDB.swift 6.26.0的新特性：cast函数

GRDB.swift 6.26.0版本引入了cast函数，专门用于解决这类问题。新API允许开发者直接在查询中执行浮点除法：

let activeCount = Quest.activeMission.count
let totalCount = Quest.totalMission.count
let progress = cast(activeCount, as: .real) / totalCount

return Quest
    .all()
    .annotated(with: progress.forKey("progress"))
    .asRequest(of: QuestProgress.self)

cast函数支持将任意表达式转换为指定类型，语法清晰直观。它不仅可以用于关联计数，也可以用于其他类型的转换：

cast(Column("foo"), as: .text)

复杂场景下的应用

在更复杂的关联查询中，例如需要获取一个冒险(Adventure)下所有任务(Quest)的进度时，cast函数同样适用：

let activeCount = Quest.activeMission.count
let totalCount = Quest.totalMission.count
let progress = cast(activeCount, as: .real) / totalCount

return Adventure
    .all()
    .including(
        all: Adventure
            .quests
            .annotated(with: progress.forKey("progress"))
    .asRequest(of: AdventureQuestProgresses.self)

最佳实践建议

1. 对于简单查询，直接使用cast函数最为简洁
2. 如果需要保留中间计算结果，可以同时包含计数和进度值
3. 在需要数据库端排序或过滤时，务必使用cast函数在SQL层面完成计算
4. 对于特别复杂的场景，仍可考虑"包装请求"技术

GRDB.swift通过引入cast函数，大大简化了浮点除法的实现，使得开发者能够更自然地表达这类常见的数据处理需求。