Drizzle ORM 中 timestamp 默认值类型的深入解析
问题背景
在使用 Drizzle ORM 进行数据库建模时,开发者经常会遇到时间戳字段的定义问题。一个典型场景是定义带有默认当前时间戳的字段,例如:
createdAt: timestamp('date').notNull().defaultNow()
开发者期望这个字段在插入时能够自动填充当前时间,因此推断插入类型时应该不需要手动提供该字段值。然而实际类型推断结果却显示该字段可能是 Date | undefined,这与预期不符。
类型系统行为分析
Drizzle ORM 的类型系统在处理默认值时有其设计逻辑:
-
默认值字段的可选性:当字段设置了默认值(如
.defaultNow()),类型系统会将该字段标记为可选的,因为在插入操作时可以不提供该值。 -
非空约束的影响:虽然字段在数据库层面有
notNull约束,但这不影响 TypeScript 类型系统中该字段在插入时的可选性。 -
类型推断的合理性:从类型系统的角度看,既然字段有默认值,那么插入时提供或不提供该值都是合法的操作,因此类型中包含
undefined是合理的。
解决方案探讨
对于开发者希望强制要求提供时间戳值的情况,有以下几种解决方案:
1. 类型覆盖方案
type Example = Omit<typeof example.$inferInsert, 'createdAt'> & {
createdAt: Date
};
这种方法明确覆盖了原始推断类型,强制要求 createdAt 字段必须提供。
2. 通用类型工具方案
可以创建一个通用的类型工具来处理这种情况:
type RequiredFields<T, K extends keyof T> = T & Required<Pick<T, K>>;
type Example = RequiredFields<typeof example.$inferInsert, 'createdAt'>;
这种方法更加灵活,可以用于任何需要强制要求某些字段的场景。
最佳实践建议
-
理解设计意图:Drizzle ORM 的类型系统设计是为了反映数据库操作的灵活性,有默认值的字段在插入时确实是可选的。
-
明确业务需求:如果业务逻辑确实要求在插入时必须显式提供时间戳,那么应该使用上述类型覆盖方案。
-
保持一致性:在整个项目中应该保持对同一字段类型处理的一致性,避免混用可选和必选的处理方式。
深入思考
这个问题实际上反映了 ORM 类型系统与业务逻辑之间的微妙关系。Drizzle ORM 的类型推断是基于数据库模式的技术层面考虑,而业务逻辑可能有额外的约束要求。开发者需要理解这种差异,并在适当的时候通过类型转换来满足业务需求。
通过这个案例,我们可以看到 TypeScript 类型系统的强大之处 - 它既能够自动推断出合理的默认类型,又提供了足够的灵活性让我们能够根据业务需求进行精确调整。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
Spark-Formalizer-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
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