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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
341
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178