Drizzle ORM 查询优化:实现高效的分页计数功能
2025-05-06 08:10:00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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
207
220
暂无简介
Dart
646
149
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++
653
287
React Native鸿蒙化仓库
JavaScript
250
318
🎉 (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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
仓颉编程语言运行时与标准库。
Cangjie
134
873