23个版本
0.1.24 | 2023年12月29日 |
---|---|
0.1.20 | 2023年10月26日 |
0.1.14 | 2023年7月9日 |
0.1.12 | 2023年1月31日 |
0.1.0 | 2022年1月20日 |
#1587 在 数据库接口
391 每月下载量
在 catalytic_macro 中使用
150KB
3K SLoC
Catalytic: ScyllaDB 和 Cassandra 对象关系映射器
该库包含以下功能的几个crate- 自动将表映射到Rust
结构体
:catalytic_table_to_struct。请参阅用法。生成的代码可以在生成的目录中找到。 - 编译时检查查询:catalytic_macro (
catalytic_macro::query
)。请参阅用法。 - 插件派生宏以生成业务逻辑:catalytic_macro (
catalytic_macro::mirror
) - 自动JSON映射。当存在类型为
text
的列时,您可以实现Transformer
trait并将其映射到实现了serde::Serialize
和serde::Deserialize
的类型 - 所有查询都作为预处理语句执行
- 支持物化视图(如果列相同,则支持与基础表的映射)
由于https://github.com/scylladb/scylla-rust-driver/issues/104,尚不支持所有类型
查询类型
根据查询,可以派生特定查询类型。这些可以在这里找到。以下是一些常用的查询类型
SelectMultiple
:可以作为迭代器遍历行SelectUnique
:通过完整主键选择可选的唯一行SelectUniqueExpect
:与SelectUnique
相同,但若行不存在则失败SelectUniqueExpect
以Count
作为实体类型:对于如“select count(*) from ...”的查询具有特殊的select_count
方法
还有用于CRUD操作的struct
用法
自动将表映射到Rust
您可以在示例目录中看到一个如何生成Rust struct
的示例。
- 在build.rs文件中实现了并使用了
Transformer
特质进行JSON映射 - 在生成的目录中您可以查看生成的
struct
如何自己实现它(模仿example
crate的逐步指南)
- 添加构建依赖项:
catalytic_table_to_struct = "0.1"
- 创建一个build.rs文件
- 可选地实现
Tranformer
特质(或使用DefaultTransformer
) - 调用
catalytic_table_to_struct::generate
- 构建项目
表'child'生成的代码结构的示例:
- Child:一个包含所有值的所有权的
struct
。可以转换为ChildRef、PrimaryKey和PrimaryKeyRef - ChildRef:一个所有值都为借用的
struct
。这个struct
可以执行插入操作。可以转换为Child、PrimaryKey和PrimaryKeyRef - PrimaryKey:一个包含Child主键字段所有值的
struct
。可以转换为PrimaryKeyRef。 - PrimaryKeyRef:一个所有值都为借用的
struct
。这个struct
可以执行更新、删除和选择操作。可以转换为PrimaryKey - UpdatableColumn:一个包含可以更新的列的所有值枚举变体的
enum
。可以转换为UpdatableColumnRef。 - UpdatableColumnRef:一个所有值都为借用的
enum
。这是PrimaryKeyRef用于更新的。可以转换为UpdatableColumn。
宏
Crate catalytic_macro
包含几个宏,可用于确保编译/类型检查查询。有关如何使用的示例,请参阅lib.rs中的方法qmd
。
如何实现它
- 添加依赖项:
catalytic_macro = "0.1"
query
宏返回给定查询的正确查询类型query_base_table
宏将一个select
查询转换为物化视图表,转换为基本表的select
查询mirror
和primary_key
可用于其他派生宏
在生产中使用
https://www.beezleapp.com/ - Beezle Social允许用户连接附近的用户,发现当地活动
依赖项
~13–23MB
~319K SLoC