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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
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
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253