Prisma数据聚合与字段扩展策略解析

在IT行业这个发展更新速度很快的行业，只有不停止的学习，才不会被行业所淘汰。如果你是文章学习者，那么本文《Prisma关联数据聚合与字段扩展策略解析》就很适合你！本篇内容主要包括##content_title##，希望对大家的知识积累有所帮助，助力实战开发！

1. 理解需求与Prisma模型结构

在许多数据管理场景中，我们需要对关联数据进行分组聚合。例如，在一个包含“管理员（admins）”和“支付（payment）”的模型系统中，我们可能需要统计每位管理员的总支付金额，并同时在结果中包含管理员的姓名等基本信息。

以下是示例的Prisma模型定义：

model admins {
  id        Int       @id @default(autoincrement())
  name      String
  last_name String
  phone     String    @unique
  email     String?   @unique
  nic       String?   @unique
  image     String?
  payments  payment[] // 管理员可以有多个支付记录
}

model payment {
  id          Int       @id @default(autoincrement())
  amount      Int
  description String?
  date        DateTime? @db.Date
  admin_id    Int       // 外键，关联到admins表的id
  admins      admins    @relation(fields: [admin_id], references: [id]) // 关联到admins模型
}

我们的目标是获取每个管理员的总支付金额，并且在结果中包含该管理员的name和last_name字段。

2. Prisma groupBy 的基本使用与限制

Prisma提供了 groupBy 方法用于对数据进行分组聚合。例如，要获取每个管理员的总支付金额，可以这样查询：

const paymentTotals = await prisma.payment.groupBy({
  by: ["admin_id"],
  _sum: {
    amount: true,
  },
});

console.log(paymentTotals);

执行上述查询，Prisma会返回一个数组，其中每个元素包含 admin_id 和该管理员对应的支付总额，例如：

[
  { _sum: { amount: 1650 }, admin_id: 1 },
  { _sum: { amount: 2000 }, admin_id: 2 }
]

然而，groupBy 方法存在一个重要的限制：它不支持直接使用 include 或 select 来包含关联模型的字段。这意味着我们无法在一次 groupBy 查询中同时获取 admin 的 name 和 last_name。如果尝试这样做，Prisma会抛出错误。

我们期望的最终结果是每个聚合项都能包含管理员的姓名信息，例如：

[
  {
     _sum: { amount: 1650 },
     admin_id: 1,
     name: "admin-name",
     last_name: "admin-last-name"
  },
  // ... 其他管理员
]

3. 解决方案：分步查询与数据映射

鉴于 groupBy 的限制，最常见的解决方案是执行两次查询并进行数据映射。这种方法既高效又灵活，能够满足在聚合结果中扩展关联字段的需求。

3.1 步骤一：执行分组聚合查询

首先，我们像之前一样，使用 groupBy 查询获取每个 admin_id 对应的支付总额：

const paymentData = await prisma.payment.groupBy({
  by: ["admin_id"],
  _sum: {
    amount: true,
  },
});

// paymentData 示例:
// [
//   { _sum: { amount: 1650 }, admin_id: 1 },
//   { _sum: { amount: 2000 }, admin_id: 2 }
// ]

3.2 步骤二：获取关联实体信息并合并

接下来，我们需要遍历 paymentData 数组。对于数组中的每一个 admin_id，我们执行一次 prisma.admins.findUnique 查询来获取对应的管理员信息（name 和 last_name），然后将这些信息合并到聚合结果中。

为了提高效率，特别是当 paymentData 数组较大时，我们应该使用 Promise.all 来并行执行所有 findUnique 查询，而不是串行执行，以避免潜在的性能瓶颈（N+1查询问题）。

const dataWithAdminInfo = await Promise.all(paymentData.map(async (item) => {
  // 根据admin_id查询对应的管理员信息
  const admin = await prisma.admins.findUnique({
    where: { id: item.admin_id },
    select: { // 仅选择需要的字段，减少数据传输
      name: true,
      last_name: true
    }
  });

  // 将管理员信息合并到聚合结果中
  return {
    ...item, // 包含 _sum 和 admin_id
    name: admin?.name, // 使用可选链操作符以防admin为null
    last_name: admin?.last_name
  };
}));

console.log(dataWithAdminInfo);

通过上述代码，dataWithAdminInfo 将包含我们期望的结构：

[
  {
     _sum: { amount: 1650 },
     admin_id: 1,
     name: "Admin Name 1",
     last_name: "Admin Last Name 1"
  },
  {
     _sum: { amount: 2000 },
     admin_id: 2,
     name: "Admin Name 2",
     last_name: "Admin Last Name 2"
  }
  // ...
]

4. 注意事项与性能考量

• N+1 查询问题缓解: 虽然这种方法本质上是“N+1”查询模式（一次 groupBy 查询，N次 findUnique 查询），但通过使用 Promise.all，我们将这N次查询并行化，大大减少了总的等待时间，使其在多数情况下都能接受。
• 字段选择: 在 findUnique 查询中，使用 select 语句只选择 name 和 last_name 字段。这有助于减少从数据库传输的数据量，优化性能。
• 索引: 确保 payment 表的 admin_id 字段和 admins 表的 id 字段上都有合适的索引。这将极大地提高 groupBy 和 findUnique 查询的性能。
• 大数据量处理: 对于拥有数百万甚至更多记录的超大型数据集，如果并行查询的开销仍然过高，可能需要考虑更高级的策略，例如：
  • 在数据库层面创建视图（View）来预聚合数据。
  • 使用原始 SQL 查询（prisma.$queryRaw）来执行复杂的联接和聚合操作。
  • 在数据仓库或ETL流程中进行离线聚合。 但对于大多数常见的应用场景，上述的分步查询加 Promise.all 策略是完全足够且高效的。

5. 总结

尽管Prisma的 groupBy 方法在聚合时不支持直接 include 或 select 关联字段，但通过“分步查询与数据映射”的策略，我们可以优雅地解决这一问题。首先执行 groupBy 聚合，然后利用 Promise.all 并行查询关联数据并进行合并。这种方法兼顾了代码的清晰性、可维护性以及在多数情况下的良好性能，是处理此类需求时的推荐实践。

今天关于《Prisma数据聚合与字段扩展策略解析》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！