Rust-Postgres 中自定义枚举类型的转换问题解析
2025-06-19 03:58:53作者:宣聪麟
在使用 Rust-Postgres 进行数据库操作时,处理自定义枚举类型是一个常见的需求。本文将通过一个实际案例,深入分析如何正确地在 Rust 和 PostgreSQL 之间转换自定义枚举类型。
问题背景
在 PostgreSQL 中定义了一个枚举类型:
CREATE TYPE layer_type AS ENUM ('sparse', 'dense');
在 Rust 代码中,开发者需要将这个枚举类型映射到 Rust 的枚举类型,并实现与 PostgreSQL 之间的双向转换。这涉及到两个主要场景:
- 使用 Diesel 进行同步数据库操作
- 使用 tokio-postgres 进行异步数据库操作
解决方案分析
1. 定义 Rust 枚举类型
首先需要定义两个 Rust 枚举类型:
#[derive(Debug, Clone, PartialEq, DbEnum)]
#[ExistingTypePath = "crate::schema::sql_types::LayerType"]
pub enum LayerType {
Sparse,
Dense,
}
#[derive(Debug, ToSql, FromSql)]
#[postgres(name = "layer_type", rename_all = "lowercase")]
pub enum PgLayerType {
Sparse,
Dense,
}
这里定义了两个枚举类型:
LayerType:用于 Diesel ORM 的同步操作PgLayerType:用于 tokio-postgres 的异步操作
2. 实现类型转换
为了在两个枚举类型之间进行转换,实现了 From trait:
impl From<LayerType> for PgLayerType {
fn from(layer_type: LayerType) -> PgLayerType {
match layer_type {
LayerType::Dense => Self::Dense,
LayerType::Sparse => Self::Sparse
}
}
}
3. 数据库操作中的使用
在异步数据库操作中,需要将枚举类型正确传递给 PostgreSQL:
let pg_layer_type: PgLayerType = new_item.type_.into();
let row = transaction.query_one("
INSERT INTO layers (tenant_id, map_id, layer_schema_id, name, description, type)
VALUES ($1, $2, $3, $4, $5, $6)
Returning *;",
&[
&new_item.tenant_id,
&new_item.map_id,
&new_item.layer_schema_id,
&new_item.name,
&new_item.description,
&pg_layer_type
]
).await?;
常见错误与排查
在实现过程中,开发者遇到了一个典型错误:
error deserializing column 6: cannot convert between the Rust type `&str` and the Postgres type `layer_type`
这个错误通常有以下几种原因:
- 类型不匹配:尝试将字符串直接传递给期望枚举类型的参数
- 转换位置错误:错误可能发生在查询结果的解析阶段,而非参数绑定阶段
- 派生宏使用不当:
ToSql和FromSql派生可能没有正确实现
最佳实践建议
- 明确区分同步和异步操作的枚举类型:如示例所示,为不同场景定义不同的枚举类型
- 实现类型转换:在相关类型之间实现
Fromtrait 以简化转换 - 仔细检查错误位置:数据库操作错误可能发生在查询执行或结果解析阶段
- 验证类型映射:确保 PostgreSQL 类型和 Rust 类型的名称和值完全匹配
通过遵循这些实践,可以有效地在 Rust 和 PostgreSQL 之间处理自定义枚举类型,避免常见的类型转换问题。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
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
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1