Drizzle ORM与Neon Serverless驱动在认证令牌处理上的类型一致性优化
2025-05-06 04:12:41作者:盛欣凯Ernestine
在最新发布的Drizzle ORM 0.37.0版本中,开发团队修复了一个与Neon Serverless驱动在认证令牌处理上的类型不一致问题。这个问题涉及到数据库连接时的认证机制,对于使用Drizzle ORM结合Neon Serverless服务的开发者来说尤为重要。
问题背景
Neon Serverless驱动在设计时考虑到了认证令牌获取的异步性,允许开发者通过函数或Promise形式动态获取认证令牌。这种设计非常实用,特别是在需要从外部服务或异步存储中获取令牌的场景下。然而,Drizzle ORM早期版本中的$withAuth方法却只接受字符串类型的令牌,这与底层驱动的能力不匹配。
技术细节分析
在Drizzle ORM 0.36.4版本中,开发者可以直接通过Neon驱动配置异步获取令牌:
const db = drizzle(
neon(process.env.DATABASE_URL, {
authToken: () => Promise.resolve('动态令牌') // 异步方式可行
}),
{ schema }
);
但使用Drizzle ORM提供的$withAuth方法时却受到限制:
db.$withAuth(() => Promise.resolve('动态令牌')) // 0.36.4版本会报类型错误
.select()
.from(schema.todos);
这种不一致性源于类型定义的不匹配。虽然底层驱动支持更灵活的参数类型,但Drizzle ORM的封装层却未能完全暴露这一能力。
解决方案
在0.37.0版本中,开发团队对类型系统进行了调整,使$withAuth方法能够接受与Neon驱动相同的参数类型:
- 字符串字面量(直接令牌)
- 返回字符串的函数(同步获取)
- 返回Promise的函数(异步获取)
这种改进使得API更加一致,也保留了开发者使用各种方式获取认证令牌的灵活性。
实际应用价值
这一改进对于需要动态认证的场景特别有价值:
- 在Serverless环境中,认证令牌可能需要从密钥管理服务动态获取
- 实现令牌自动刷新机制时,可以封装复杂的更新逻辑
- 多租户系统中根据不同请求切换不同数据库凭证
最佳实践建议
虽然API现在支持更灵活的参数类型,但在实际使用中仍需注意:
- 对于长期运行的应用程序,建议实现令牌刷新逻辑
- 异步获取令牌时要注意错误处理和超时控制
- 考虑将令牌获取逻辑封装为独立的服务模块
总结
Drizzle ORM 0.37.0对认证令牌处理的改进,体现了框架对开发者实际需求的响应速度。通过保持与底层驱动类型的一致性,不仅解决了API不匹配的问题,还为复杂场景下的数据库认证提供了更多可能性。这种细小的但重要的改进,正是ORM框架成熟度的重要标志。
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
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