Kysely 中动态构建 CASE 语句的最佳实践
2025-05-19 02:57:29作者:邬祺芯Juliet
Kysely 是一个类型安全的 SQL 查询构建器,它提供了强大的类型系统来帮助开发者构建复杂的 SQL 查询。在实际开发中,我们经常需要动态构建 CASE 语句,这在数据转换、条件赋值等场景下非常有用。
动态 CASE 语句的需求
在数据库操作中,CASE 语句是一种条件表达式,它允许我们根据不同的条件返回不同的值。传统 SQL 中的 CASE 语句结构如下:
CASE
WHEN condition1 THEN result1
WHEN condition2 THEN result2
...
ELSE default_result
END
在 Kysely 中,我们需要以类型安全的方式动态构建这样的结构,特别是在处理大量条件或条件来自动态数据时。
Kysely 中的实现方案
Kysely 提供了 case() 构建器来创建 CASE 表达式。我们可以利用表达式构建器(ExpressionBuilder)来动态构建 CASE 语句:
interface CaseCondition {
when: Expression<unknown>
then: Expression<unknown>
}
function buildDynamicCase<TB extends keyof DB>(
cases: CaseCondition[],
defaultValue: Expression<unknown>,
eb: ExpressionBuilder<DB, TB>
) {
let builder = eb.case()
for (const { when, then } of cases) {
builder = builder.when(when).then(then)
}
return builder.else(defaultValue).end()
}
使用示例
下面是一个完整的使用示例,展示了如何在更新操作中使用动态构建的 CASE 语句:
await db
.updateTable('users')
.set(({ eb }) => ({
status: buildDynamicCase(
[
{ when: eb('age', '<', 18), then: eb.val('minor') },
{ when: eb('age', '>=', 65), then: eb.val('senior') }
],
eb.val('adult'),
eb
)
}))
.execute()
类型安全考虑
Kysely 的类型系统确保了整个 CASE 表达式的类型安全:
when条件必须是布尔表达式- 所有
then分支和else分支必须返回相同类型 - 最终结果类型会正确地反映在查询中
性能优化建议
当处理大量条件时,可以考虑以下优化:
- 预先处理条件数组,过滤掉无效条件
- 对于简单的等值比较,考虑使用更简单的
case().when().then()链式调用 - 对于非常复杂的条件逻辑,可以考虑使用原生 SQL 片段
总结
Kysely 提供了灵活的方式来动态构建 CASE 语句,同时保持了类型安全。通过合理使用表达式构建器,我们可以创建复杂但类型安全的条件逻辑。这种方法特别适用于数据迁移、批量更新等需要根据多种条件进行不同处理的场景。
对于更复杂的用例,Kysely 团队正在考虑进一步简化构建器的 API,以提供更流畅的动态条件构建体验。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217