Kysely项目中的自定义Select查询构建技巧
2025-05-19 15:16:37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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0100AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
203
2.18 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
94

🎉 (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
977
575

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

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++
550
84

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133