Kysely 0.28.2版本发布:动态表引用与类型安全查询增强
2025-06-03 14:58:07作者:晏闻田Solitary
Kysely是一个类型安全的SQL查询构建器,它允许开发者使用TypeScript编写类型安全的数据库查询。在最新发布的0.28.2版本中,Kysely正式支持了动态表引用功能,并修复了一些已知问题。
动态表引用功能详解
在0.28.1版本中,Kysely意外破坏了一个未在文档中明确说明但被广泛使用的TypeScript行为,该行为允许开发者将表名联合类型传递给查询构建器,从而实现查询代码的DRY(Don't Repeat Yourself)原则。考虑到这一模式相当受欢迎,Kysely团队决定通过动态模块中的table方法正式支持这一功能。
动态表引用的强大之处
新的table方法让开发者能够编写更加灵活和通用的查询代码。例如,你可以创建一个通用函数来根据列名和值获取表中的行:
async function getRowByColumn<
T extends keyof Database,
C extends keyof Database[T] & string,
V extends SelectType<Database[T][C]>,
>(t: T, c: C, v: V) {
const { table, ref } = db.dynamic
return await db
.selectFrom(table(t).as('t'))
.selectAll()
.where(ref(c), '=', v)
.orderBy('t.id')
.executeTakeFirstOrThrow()
}
这个函数可以接受任何表名、列名和值,并返回匹配的行。TypeScript会确保你只能引用实际存在于表中的列名。
更简单的用例
对于更简单的场景,比如删除操作,你可以这样使用:
async function deleteItem(id: string, table: 'person' | 'pet') {
await db
.deleteFrom(db.dynamic.table(table).as('t'))
.where('id', '=', id)
.executeTakeFirstOrThrow()
}
TypeScript会智能地检查你引用的列是否存在于所有可能的表中。如果你尝试引用只存在于部分表中的列(如"pet"表的"species"列),编译器会报错。
SQLite特定修复
0.28.2版本还修复了SQLite内省器在使用orderBy(array)时打印弃用警告的问题。这个修复使得SQLite用户在使用数组排序时不再看到不必要的警告信息。
技术价值与最佳实践
动态表引用功能的加入大大提升了Kysely的灵活性,特别是在需要编写通用数据库操作代码时。然而,开发者需要注意:
- 虽然功能强大,但过度使用动态表引用可能会降低代码的可读性
- 在简单场景下,直接使用静态表名通常更清晰
- 类型安全是Kysely的核心优势,动态表引用完全保留了这一特性
对于需要处理多种表结构的复杂应用,这一功能将显著减少重复代码,同时保持编译时的类型检查。
Kysely继续巩固其作为类型安全SQL查询构建器领导者的地位,0.28.2版本的这些改进进一步扩展了其在复杂场景下的适用性。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217