Drizzle ORM 查询优化:实现高效的分页计数功能
2025-05-06 03:51:29作者:宗隆裙
在数据库操作中,分页查询并获取总记录数是一个常见需求。Drizzle ORM 作为一款现代化的 TypeScript ORM 工具,其查询 API 设计简洁高效,但在处理分页计数场景时仍存在优化空间。
传统实现方式的痛点
开发者在使用 Drizzle ORM 进行分页查询时,通常需要同时执行两个操作:
- 获取当前页的数据列表
- 计算符合条件的总记录数
传统实现方式需要编写重复的查询条件,代码冗余且容易出错。例如:
const [data, count] = await Promise.all([
db.query.users.findMany({
where: { active: true },
limit: 10,
offset: 0
}),
db.select({ count: count() })
.from(users)
.where(eq(users.active, true))
]);
这种方式虽然功能完整,但在实际项目中会带来以下问题:
- 查询条件需要重复编写
- 代码可读性降低
- 维护成本增加
解决方案探索
Drizzle ORM 团队已经意识到了这一需求,并提供了 db.$count 方法作为基础解决方案。这个方法专门用于简化行数统计操作,可以与关系查询构建器(RQB)API配合使用。
db.$count 的基本用法如下:
const total = await db.$count()
.from(users)
.where(eq(users.active, true));
虽然这解决了简单的计数问题,但对于完整的分页计数场景,开发者仍需要结合 findMany 使用。更优雅的解决方案是期待 Drizzle ORM 提供原生的 findManyAndCount 方法。
最佳实践建议
在当前版本下,我们可以通过以下方式优化分页计数实现:
- 封装工具函数:创建一个通用的分页查询工具函数,统一处理查询条件和结果组装
async function paginateWithCount(
queryBuilder: any,
options: { where?: any; limit: number; offset: number }
) {
const [data, total] = await Promise.all([
queryBuilder.findMany(options),
db.$count()
.from(queryBuilder.meta.table)
.where(options.where)
]);
return { data, total };
}
- 类型安全扩展:通过 TypeScript 类型扩展增强查询体验
declare module 'drizzle-orm' {
interface DrizzleQueryBuilder {
findManyAndCount: (options: FindManyOptions) => Promise<[any[], number]>;
}
}
- 性能优化:对于大数据量表,考虑使用近似计数或缓存策略
未来展望
随着 Drizzle ORM 的持续发展,我们期待官方能够提供更多便捷的查询方法,如:
- 原生的
findManyAndCount方法 - 简化主键查询的
findByPK方法 - 存在性检查的
exists方法
这些改进将进一步提升开发体验,减少样板代码,使 Drizzle ORM 在各种应用场景中更加高效易用。
对于需要频繁处理分页计数的项目,建议关注 Drizzle ORM 的更新日志,及时获取最新的 API 改进信息,同时合理封装现有功能以提升开发效率。
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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
469
465
暂无描述
Dockerfile
778
5.08 K
Ascend Extension for PyTorch
Python
757
968
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
876
2.03 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
676
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271