Kysely项目中的自定义Select查询构建技巧
2025-05-19 19:47:05作者:温艾琴Wonderful
在使用Kysely进行数据库查询时,开发者经常需要复用相同的字段选择逻辑。本文将通过一个实际案例,介绍如何在Kysely中优雅地实现Select查询的重用。
问题背景
在开发过程中,我们经常需要从用户表中获取相同的基本信息,但可能在不同的查询条件下使用。例如,我们可能需要获取用户的ID和用户名,但查询条件可能根据用户ID、用户名或其他字段而变化。
常见误区
许多开发者会尝试创建一个返回SelectQueryBuilder的函数,类似这样:
function GetBasicUserData() {
return (eb: ExpressionBuilder<Database, 'user'>) => {
return eb.selectFrom("user")
.select(["user.userID as ID", "user.username as Username"]);
}
}
然后尝试在查询中使用:
getBasicUserFromID(UserID: string) {
return SQL.DB.selectFrom("user")
.where("user.userID", "=", UserID)
.select(GetBasicUserData()) // 这里会出现错误
.executeTakeFirst();
}
这种方法会导致类型错误,因为Kysely的select方法期望的是直接的字段选择,而不是一个构建器函数。
正确解决方案
Kysely提供了更简单的方式来实现字段选择的重用。我们可以直接定义一个包含所需字段的数组,并在多个查询中复用这个数组:
// 使用as const确保TypeScript保留字面量类型
const userSelections = ["user.userID AS ID", "user.username as UserName"] as const;
function getBasicUserFromID(UserID: string) {
return SQL.DB.selectFrom("user")
.where("user.userID", "=", UserID)
.select(userSelections)
.executeTakeFirst();
}
技术要点解析
-
类型安全:使用
as const断言非常重要,它告诉TypeScript保留数组元素的实际字符串字面量类型,而不是将其扩展为普通的string类型。 -
复用性:定义的
userSelections可以在应用程序的任何地方重复使用,确保字段选择的一致性。 -
简洁性:这种方法避免了不必要的函数调用和构建器模式,使代码更加直观和易于维护。
扩展应用
这种模式不仅适用于简单的字段选择,还可以用于更复杂的场景:
// 定义常用选择字段
const userProfileSelections = [
"user.userID AS id",
"user.username",
"user.email",
"user.createdAt",
"user.updatedAt"
] as const;
// 在不同查询中复用
function getUserProfile(id: string) {
return db.selectFrom("user")
.where("userID", "=", id)
.select(userProfileSelections)
.executeTakeFirst();
}
function searchUsers(keyword: string) {
return db.selectFrom("user")
.where("username", "like", `%${keyword}%`)
.select(userProfileSelections)
.execute();
}
总结
在Kysely中,通过定义常量数组来复用字段选择是一种简单而有效的方法。它不仅提高了代码的可维护性,还确保了类型安全。相比尝试创建复杂的查询构建器函数,这种直接的方式更加符合Kysely的设计哲学,能够帮助开发者编写出更清晰、更可靠的数据库查询代码。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
Ascend Extension for PyTorch
Python
343
410
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++
886
602
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
337
181
暂无简介
Dart
775
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
895