GRDB.swift中使用生成列的最佳实践
2025-05-30 08:53:35作者:凤尚柏Louis
生成列简介
在SQLite数据库中,生成列(GENERATED COLUMNS)是一种特殊类型的列,其值由其他列的值计算得出。GRDB.swift作为Swift语言的SQLite工具库,支持这种强大的数据库特性。生成列分为两种类型:
- 虚拟列(VIRTUAL):只在读取时计算,不占用存储空间
- 存储列(STORED):在写入时计算并存储
问题场景
在使用GRDB.swift时,开发者可能会遇到这样的场景:定义了一个包含生成列的数据表,但在尝试保存记录时遇到"cannot UPDATE generated column"错误。这是因为生成列的值应该由数据库自动计算,而不应该由应用程序直接写入。
解决方案比较
方案一:自定义属性包装器
可以创建一个@EncodingIgnored属性包装器,让特定属性在编码时被忽略:
@propertyWrapper
public struct EncodingIgnored<T: Hashable & Decodable>: Codable, Hashable {
public var wrappedValue: T?
public init(wrappedValue: T?) {
self.wrappedValue = wrappedValue
}
public init(from decoder: Decoder) throws {
let value = try decoder.singleValueContainer()
self.wrappedValue = try value.decode(T?.self)
}
public func encode(to encoder: Encoder) throws {
// 编码时忽略此属性
}
}
使用方式:
struct Item: Codable {
var id: String
var startDate: Date?
var duration: Int
@EncodingIgnored
public let endDate: Date?
}
优点:
- 使用简单,只需添加属性包装器
- 自动处理所有编码逻辑
缺点:
- 将数据库概念混入模型定义
- 依赖于Swift的Codable协议
方案二:自定义encode方法
通过重写encode(to:)方法明确指定需要持久化的字段:
extension Item {
func encode(to container: inout PersistenceContainer) {
container["id"] = id
container["startDate"] = startDate
container["duration"] = duration
// 不包含endDate
}
}
优点:
- 完全控制持久化逻辑
- 不引入额外依赖
缺点:
- 需要手动维护字段列表
- 新增字段时容易遗漏
方案三:分离模型定义
创建两个模型类型:一个用于写入(不包含生成列),一个用于读取(包含所有列):
// 写入模型
struct ItemDefinition: Codable, FetchableRecord, PersistableRecord {
var id: String
var startDate: Date?
var duration: Int
}
// 读取模型
struct Item: Decodable, FetchableRecord {
var id: String
var startDate: Date?
var duration: Int
var endDate: Date?
}
优点:
- 职责分离清晰
- 可以定义更严格的类型约束
- 完全避免生成列写入问题
缺点:
- 需要维护两个模型
- 代码量增加
最佳实践建议
-
简单场景:如果项目规模较小,使用属性包装器是最快捷的解决方案。
-
大型项目:考虑采用模型分离方案,虽然代码量增加,但长期维护性更好。
-
中间路线:对于中等规模项目,自定义encode方法提供了良好的平衡点。
-
类型安全:如果生成列保证不为NULL,可以在读取模型中定义为非可选类型,增加类型安全性。
总结
GRDB.swift提供了多种方式来处理生成列,开发者可以根据项目规模和复杂度选择最适合的方案。理解这些模式的优缺点有助于做出更明智的架构决策。无论选择哪种方案,关键是要确保生成列的值由数据库计算,而不是由应用程序直接写入。
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 StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude 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 Started
Rust
568
98
暂无描述
Dockerfile
709
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
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
12
2