Atlas项目中利用glob模式简化多文件Schema配置
2025-06-01 10:48:52作者:齐冠琰
在Atlas项目中,当我们需要管理包含大量Schema文件的数据库环境时,手动维护每个环境中的文件列表会变得非常繁琐。本文将介绍如何使用Atlas提供的glob函数来简化这一过程。
传统配置方式的痛点
在Atlas的早期版本中,开发者需要为每个环境显式列出所有Schema文件路径。例如,对于一个包含多个领域模块的项目,配置可能如下:
env "dev" {
src = [
"file://src/domain/a/a.pg.hcl",
"file://src/domain/b/b.pg.hcl",
"file://src/domain/c/c.pg.hcl"
// 更多文件...
]
}
这种方式存在几个明显问题:
- 每次新增Schema文件都需要手动更新配置
- 多个环境间需要重复相同的文件列表
- 容易遗漏文件更新,导致配置不一致
使用glob函数简化配置
Atlas的最新版本引入了glob函数,它支持使用通配符模式匹配文件路径。我们可以将上述配置简化为:
env "dev" {
src = glob("src/domain/**/*.pg.hcl")
}
glob函数详解
glob函数支持以下通配符:
*匹配任意非分隔符字符序列**匹配任意字符序列,包括分隔符(可跨目录)?匹配任意单个非分隔符字符[字符类]匹配字符类中的任意字符
实际应用示例
假设项目结构如下:
src/
domain/
user/
schema.pg.hcl
product/
schema.pg.hcl
order/
schema.pg.hcl
我们可以使用以下配置匹配所有Schema文件:
env "dev" {
src = glob("src/domain/**/schema.pg.hcl")
}
或者匹配特定扩展名的所有文件:
env "prod" {
src = glob("src/domain/**/*.pg.hcl")
}
注意事项
- glob模式基于项目根目录解析,路径应以相对路径表示
- 匹配结果不保证顺序,如有依赖关系需单独处理
- 复杂项目可能需要组合多个glob模式
- 某些特殊字符可能需要转义处理
通过使用glob函数,开发者可以大幅简化Atlas项目的Schema管理,提高开发效率并减少配置错误。这一特性特别适合采用领域驱动设计(DDD)或微服务架构的项目,其中Schema文件通常分散在多个模块目录中。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146