GRDB.swift 中跨 Actor 边界传递 SQLSpecificExpressible 的解决方案
2025-05-30 00:07:04作者:柯茵沙
在 Swift 并发编程中,当使用 GRDB.swift 库进行数据库操作时,开发者可能会遇到一个常见问题:如何安全地在不同 Actor 之间传递 SQLSpecificExpressible 类型的查询条件。本文将深入探讨这一问题的背景、原因及多种解决方案。
问题背景
GRDB.swift 是一个流行的 Swift 数据库工具库,它提供了类型安全的 SQL 查询构建方式。SQLSpecificExpressible 协议用于表示可以被转换为 SQL 表达式的类型,如列名、值比较等。
在 Swift 并发模型中,Actor 隔离机制要求跨 Actor 边界传递的数据必须是 Sendable 的。由于 SQLSpecificExpressible 协议没有继承自 Sendable,这导致开发者无法直接在不同 Actor 之间传递查询条件。
问题重现
考虑以下典型场景:
- 一个 ViewModel 类(标记为 @MainActor)持有一个查询条件
- 需要将这个查询条件传递给另一个 Actor 中的数据库获取方法
actor DBFetcher {
func allPodcasts(_ sqlExpression: SQLSpecificExpressible) {
// 数据库查询逻辑
}
}
@MainActor class StandardPodcastsViewModel {
private let filter: SQLSpecificExpressible = Column("subscribed") == true
func fetchPodcasts(fetcher: DBFetcher) async {
await fetcher.allPodcasts(filter) // 这里会产生编译器警告/错误
}
}
解决方案
方案一:使用 SQLExpression 类型
SQLExpression 是 Sendable 的,可以安全地跨 Actor 传递:
@MainActor class StandardPodcastsViewModel {
private let filter: SQLExpression = (Column("subscribed") == true).sqlExpression
func fetchPodcasts(fetcher: DBFetcher) async {
await fetcher.allPodcasts(filter) // 安全传递
}
}
方案二:组合协议声明
通过组合 SQLSpecificExpressible 和 Sendable 协议来声明变量:
@MainActor class StandardPodcastsViewModel {
private let filter: SQLSpecificExpressible & Sendable = Column("subscribed") == true
func fetchPodcasts(fetcher: DBFetcher) async {
await fetcher.allPodcasts(filter) // 安全传递
}
}
方案三:使用 sending 修饰符(特定场景)
对于临时创建的表达式,可以使用 sending 修饰符:
actor DBFetcher {
func allPodcasts(_ sqlExpression: sending SQLSpecificExpressible) {
// 数据库查询逻辑
}
}
设计考量
GRDB.swift 有意没有让 SQLSpecificExpressible 继承 Sendable,这是为了保持灵活性,允许开发者使用非 Sendable 的类型(如传统的 NSData)作为查询条件的一部分。这种设计决策体现了类型安全与灵活性之间的平衡。
最佳实践建议
- 对于简单的查询条件,优先使用 SQLExpression 类型
- 当需要保持 SQLSpecificExpressible 的灵活性时,使用协议组合方式
- 避免在 Actor 之间传递长期持有的非 Sendable 查询条件
- 对于临时创建的查询条件,考虑使用 sending 修饰符
通过理解这些解决方案和背后的设计理念,开发者可以更安全地在 Swift 并发环境中使用 GRDB.swift 进行数据库操作。
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
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 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 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
307
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
React Native鸿蒙化仓库
JavaScript
259
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
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
878
仓颉编译器源码及 cjdb 调试工具。
C++
134
867