Ash框架中运行时加载与预加载的优先级问题解析
2025-07-08 02:10:21作者:傅爽业Veleda
背景介绍
在Elixir生态系统中,Ash框架作为一个强大的资源定义和管理工具,提供了灵活的数据加载机制。其中prepare build(load: ...)和Ash.load/2是两种常见的加载方式,分别用于编译时预定义加载和运行时动态加载。本文将深入分析这两种加载方式的交互行为及其优先级问题。
问题现象
在Ash框架使用过程中,开发者可能会遇到以下场景:
- 在资源定义中使用
prepare预定义计算字段的加载 - 在运行时通过
Ash.load/2动态加载相同字段但传入不同参数
# 资源定义
defmodule Post do
preparations do
prepare build(load: [:sum])
end
calculations do
calculate :sum, :integer do
argument :a, :integer, default: 1
argument :b, :integer, default: 2
calculation expr(^arg(:a) + ^arg(:b))
end
end
end
# 运行时调用
post = Ash.load!(post, sum: [a: 3, b: 4])
按照直觉,开发者可能期望运行时传入的参数会覆盖预定义的默认参数,但实际行为可能不符合预期。
技术原理
Ash框架的加载机制遵循以下核心原则:
- 编译时预加载:通过
prepare build(load: ...)定义的加载会在资源创建时执行 - 运行时加载:
Ash.load/2提供了按需加载的能力 - 优先级规则:运行时加载应优先于编译时预加载
这种设计确保了开发者可以在运行时灵活覆盖预定义的加载行为,提供了更大的灵活性。
解决方案
框架维护者通过以下方式解决了这个问题:
- 合并策略:使用
Keyword.merge/2将运行时加载合并到编译时加载中 - 参数覆盖:确保运行时提供的参数能够正确覆盖预定义的默认参数
- 行为一致性:保持
Ash.load/2与Ash.Query.load行为的一致性
最佳实践
基于此问题的分析,建议开发者:
- 合理使用预加载:对于计算量小、频繁使用的字段适合使用预加载
- 明确加载意图:在性能敏感场景明确指定需要加载的字段
- 避免全局关系加载:特别要避免在全局prepare中加载大型关系数据
- 参数验证:对于计算字段,确保参数传递符合预期
性能考量
开发者需要注意:
- N+1问题:不当的全局加载可能导致性能问题
- 加载粒度:细粒度的加载控制有助于优化性能
- 计算复杂度:简单计算适合预加载,复杂计算应考虑延迟加载
总结
Ash框架通过合理的加载优先级设计,既保持了使用灵活性,又确保了行为可预测性。开发者理解这一机制后,可以更高效地利用框架特性,构建性能优异的应用。记住框架设计哲学:"提供任何可能性,但不强制任何特定方式",这有助于我们在使用框架时做出更明智的设计决策。
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 StartedRust0111- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
717
4.56 K
Ascend Extension for PyTorch
Python
581
710
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
419
356
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.09 K
601
Claude 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 Started
Rust
662
110
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++
963
956
deepin linux kernel
C
28
16
🎉 (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
1.62 K
953
昇腾LLM分布式训练框架
Python
153
179
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
141
223