Drift项目中int64类型在自定义查询中的处理方式
概述
在使用Drift(原Moor)这个Dart/Flutter的SQLite数据库库时,开发者可能会遇到一个关于int64类型处理的有趣问题。当执行自定义SQL查询时,int64类型的列会返回Dart的int类型而非预期的BigInt类型。本文将深入探讨这一现象的原因及解决方案。
现象描述
在Drift项目中定义了一个包含Int64Column的表后,如果通过自定义SQL查询该列,返回的结果会是Dart的int类型而非BigInt。例如:
final changes = await runSelect(inner, "SELECT id FROM change_logs", []);
print(changes.first["id"] is BigInt); // 输出false
底层机制分析
这一现象的根本原因在于底层SQLite驱动package:sqlite3在Web环境下的特殊处理方式:
-
自动类型转换:
sqlite3在Web环境下会将数据库中的整数自动转换为JavaScript的Number(对应Dart的double),前提是该数值可以无损地表示为双精度浮点数。 -
大整数处理:只有当数值过大无法用双精度浮点数精确表示时,才会返回
BigInt类型。 -
Drift的类型映射:在常规Drift查询中,Drift会根据表定义中的列类型信息(如
Int64Column)自动将返回的数值转换为BigInt。但对于自定义SQL查询,由于缺乏类型上下文,这种自动转换不会发生。
解决方案
当确实需要BigInt类型时,可以采用以下方法进行手动转换:
BigInt toBigInt(dynamic sqlValue) {
if (sqlValue is BigInt) {
return sqlValue;
} else if (sqlValue is int) {
return BigInt.from(sqlValue);
} else {
return BigInt.parse(sqlValue.toString());
}
}
这个方法可以确保无论底层返回的是int还是BigInt,最终都能得到一致的BigInt类型结果。
最佳实践建议
-
类型一致性:如果项目中大量使用大整数,建议统一使用
BigInt类型以避免潜在的类型混淆问题。 -
性能考量:对于确定不会超过普通
int范围(-2^63到2^63-1)的数值,可以直接使用int类型以获得更好的性能。 -
自定义查询处理:在编写自定义SQL查询时,应当明确处理可能的类型转换,特别是在涉及大整数运算或比较的场景中。
总结
Drift项目中int64类型在自定义查询中返回int而非BigInt的行为,是底层SQLite驱动在Web环境下优化类型转换的结果。理解这一机制有助于开发者编写更健壮的数据库操作代码,特别是在需要精确处理大整数的场景中。通过适当的类型转换处理,可以确保数据类型在整个应用中的一致性。
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-1.5暂无简介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
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
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