AWS Amplify JS 中使用 PostgreSQL 自动生成类型时 list() 命令返回空数组问题解析
问题背景
在使用 AWS Amplify JS 的 Gen 2 版本时,开发者可能会遇到一个特殊的数据查询问题:当通过 npx ampx generate schema-from-database 命令从 PostgreSQL 数据库自动生成数据模型后,对于使用字符串类型作为标识符(identifier)的模型,list() 方法会返回空数组,而使用整数类型作为标识符的模型则能正常返回数据。
技术细节分析
自动生成的模型结构差异
从 PostgreSQL 数据库自动生成的模型有两种典型结构:
- 字符串类型标识符模型
"auth": a.model({
user_id: a.string().required(),
username: a.string().required(),
password: a.string().required(),
access: a.boolean(),
created: a.datetime(),
updated: a.datetime()
}).identifier(["user_id"])
- 整数类型标识符模型
"one_off": a.model({
id: a.integer().required(),
token: a.string(),
amount: a.integer(),
used: a.integer(),
expiry_date: a.datetime(),
created: a.datetime(),
updated: a.datetime()
}).identifier(["id"])
GraphQL 查询差异
这两种模型生成的 GraphQL 查询语句存在关键差异:
字符串标识符模型查询
query ($user_id: String, $sortDirection: ModelSortDirection, $filter: ModelAuthFilterInput, $limit: Int, $nextToken: String) {
listAuths(
user_id: $user_id
sortDirection: $sortDirection
filter: $filter
limit: $limit
nextToken: $nextToken
) {
items {
user_id
username
password
access
created
updated
}
nextToken
__typename
}
}
整数标识符模型查询
query ($filter: ModelOne_offFilterInput, $limit: Int, $nextToken: String) {
listOne_offs(filter: $filter, limit: $limit, nextToken: $nextToken) {
items {
id
token
amount
used
expiry_date
created
updated
}
nextToken
__typename
}
}
关键区别在于字符串标识符模型会将标识符字段(如 user_id)作为查询参数,而整数标识符模型则不会。当 user_id 参数未提供时,查询可能无法返回预期结果。
解决方案
经过 AWS Amplify 团队的验证,最新版本的 @aws-amplify/backend 和 @aws-amplify/backend-cli 已经解决了这个问题。开发者可以采取以下步骤:
- 更新相关依赖包:
npm i @aws-amplify/backend @aws-amplify/backend-cli
- 更新数据模式包:
npm update @aws-amplify/data-schema
验证结果
在最新版本中,即使是使用字符串类型作为标识符的模型,list() 方法也能正常返回数据。例如:
const { data } = await client.models.posts.list();
console.log(data); // 正常返回所有帖子数据
对应的 GraphQL 查询也不再包含标识符字段作为查询参数,确保了查询的完整性和一致性。
总结
这个问题主要出现在特定版本的 AWS Amplify JS 中,特别是在处理 PostgreSQL 数据库自动生成的模型时。通过更新到最新版本,开发者可以避免这种不一致的行为,确保无论使用何种类型的标识符,list() 方法都能按预期工作。
对于使用 AWS Amplify JS 连接现有数据库的开发人员,建议定期检查并更新相关依赖包,以获得最佳兼容性和稳定性。同时,在定义数据库模型时,了解不同类型标识符的处理方式也有助于更好地设计数据结构和查询逻辑。
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
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
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
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01