首页 > 代码库 > 浅谈Slick（1）－ 基本功能描述
浅谈Slick（1）－ 基本功能描述
Slick (Scala language-integrated connection kit)是scala的一个FRM（Functional Relational Mapper），即函数式的关系数据库编程工具库。Slick的主要目的是使关系数据库能更容易、更自然的融入函数式编程模式，它可以使使用者像对待scala集合一样来处理关系数据库表。也就是说可以用scala集合的那些丰富的操作函数来处理库表数据。Slick?把数据库编程融入到scala编程中，编程人员可以不需要编写SQL代码。我把Slick官方网站上Slick3.1.1文档的Slick介绍章节中的一些描述和例子拿过来帮助介绍Slick的功能。下面是Slick数据库和类对象关系对应的一个例子：
1 import slick.driver.H2Driver.api._ 2 object slickIntro { 3 case class Coffee(id: Int, 4 name: String, 5 supID: Int = 0, 6 price: Double , 7 sales: Int = 0, 8 total: Int = 0) 9 10 class Coffees(tag: Tag) extends Table[Coffee](tag, "COFFEES") {11 def id = column[Int]("COF_ID", O.PrimaryKey, O.AutoInc)12 def name = column[String]("COF_NAME")13 def supID = column[Int]("SUP_ID")14 def price = column[Double]("PRICE")15 def sales = column[Int]("SALES", O.Default(0))16 def total = column[Int]("TOTAL", O.Default(0))17 def * = (id, name, supID, price, sales, total) <> (Coffee.tupled, Coffee.unapply)18 }19 val coffees = TableQuery[Coffees] 20 //> coffees : slick.lifted.TableQuery[worksheets.slickIntro.Coffees] = Rep(TableExpansion)21 }我们把数据库中的COFFEES表与Coffees类做了对应，包括字段、索引、默认值、返回结果集字段等。现在这个coffees就是scala里的一个对象，但它代表了数据库表。现在我们可以用scala语言来编写数据存取程序了：
1 val limit = 10.0 //> limit : Double = 10.02 // // 写Query时就像下面这样:3 ( for( c <- coffees; if c.price < limit ) yield c.name ).result4 //> res0: slick.driver.H2Driver.StreamingDriverAction[Seq[String],String,slick.dbio.Effect.Read] = slick.driver.JdbcActionComponent$QueryActionExtensionMethodsImpl$$anon$1@46cdf8bd5 // 相当于 SQL: select COF_NAME from COFFEES where PRICE < 10.0或者下面这些不同的Query：
1 // 返回"name"字段的Query2 // 相当于 SQL: select NAME from COFFEES3 coffees.map(_.name) 4 //> res1: slick.lifted.Query[slick.lifted.Rep[String],String,Seq] = Rep(Bind)5 // 选择 price < 10.0 的所有记录Query6 // 相当于 SQL: select * from COFFEES where PRICE < 10.07 coffees.filter(_.price < 10.0) 8 //> res2: slick.lifted.Query[worksheets.slickIntro.Coffees,worksheets.slickIntro.Coffees#TableElementType,Seq] = Rep(Filter @1946988038)我们可以这样表述：coffees.map(_.name) >>> coffees.map{row=>row.name}, coffees.filter(_.price<10.0) >>> coffees.filter{row=>row.price<10.0)，都是函数式集合操作语法。
Slick把Query编写与scala语言集成，这使编程人员可以用熟悉惯用的scala来表述SQL Query，直接的好处是scalac在编译时就能够发现Query错误：
1 //coffees.map(_.prices) 2 //编译错误：value prices is not a member of worksheets.slickIntro.Coffees
当然，嵌入scala的Query还可以获得运行效率的提升，因为在编译时可以进行前期优化。
最新版本的Slick最大的特点是采用了Functional I/O技术，从而实现了安全的多线程无阻碍I/O操作。再就是实现了Query的函数组合（functional composition），使Query编程更贴近函数式编程模式。通过函数组合实现代码重复利用，提高编程工作效率。具体实现方式是利用freemonad（DBIOAction类型就是个freemonad）的延迟运算模式，将DBIOAction的编程和实际运算分离，在DBIOAction编程过程中不会产生副作用（side-effect），从而实现纯代码的函数组合。我们来看看Query函数组合和DBIOAction运算示范：
1 import scala.concurrent.ExecutionContext.Implicits.global 2 val qDelete = coffees.filter(_.price > 0.0).delete 3 //> qDelete : slick.driver.H2Driver.DriverAction[Int,slick.dbio.NoStream,slick.dbio.Effect.Write] ... 4 val qAdd1 = (coffees returning coffees.map(_.id)) += Coffee(name="Columbia",price=128.0) 5 //> qAdd1 : slick.profile.FixedSqlAction[Int,slick.dbio.NoStream,slick.dbio.Effect.Write]... 6 val qAdd2 = (coffees returning coffees.map(_.id)) += Coffee(name="Blue Mountain",price=828.0) 7 //> qAdd2 : slick.profile.FixedSqlAction[Int,slick.dbio.NoStream,slick.dbio.Effect.Write]... 8 def getNameAndPrice(n: Int) = coffees.filter(_.id === n) 9 .map(r => (r.name,r.price)).result.head 10 //> getNameAndPrice: (n: Int)slick.profile.SqlAction[(String, Double),slick.dbio.NoStream,slick.dbio.Effect.Read]11 12 val actions = for {13 _ <- coffees.schema.create14 _ <- qDelete15 c1 <- qAdd116 c2 <- qAdd217 (n1,p1) <- getNameAndPrice(c1)18 (n2,p2) <- getNameAndPrice(c2)19 } yield (n1,p1,n2,p2) 20 //> actions : slick.dbio.DBIOAction[(String, Double, String, Double),..我们可以放心的来组合这个actions，不用担心有任何副作用。actions的类型是：DBAction[String,Double,String,Double]。我们必须用Database.Run来真正开始运算，产生副作用：
1 import java.sql.SQLException 2 import scala.concurrent.Await 3 import scala.concurrent.duration._ 4 val db = Database.forURL("jdbc:h2:mem:demo", driver="org.h2.Driver") 5 //> db : slick.driver.H2Driver.backend.DatabaseDef = slick.jdbc.JdbcBackend$DatabaseDef@1a5b6f42 6 Await.result( 7 db.run(actions.transactionally).map { res => 8 println(s"Add coffee: ${res._1},${res._2} and ${res._3},${res._4}") 9 }.recover {10 case e: SQLException => println("Caught exception: " + e.getMessage)11 }, Duration.Inf) //> Add coffee: Columbia,128.0 and Blue Mountain,828.0在特殊的情况下我们也可以引用纯SQL语句：Slick提供了Plain SQL API, 如下：
1 val limit = 10.02 sql"select COF_NAME from COFFEES where PRICE < $limit".as[String]3 // 用$来绑定变量: // select COF_NAME from COFFEES where PRICE < ?
下面是这篇讨论的示范代码：
1 package worksheets 2 import slick.driver.H2Driver.api._ 3 object slickIntro { 4 case class Coffee(id: Int = 0, 5 name: String, 6 supID: Int = 0, 7 price: Double, 8 sales: Int = 0, 9 total: Int = 0)10 11 class Coffees(tag: Tag) extends Table[Coffee](tag, "COFFEES") {12 def id = column[Int]("COF_ID", O.PrimaryKey, O.AutoInc)13 def name = column[String]("COF_NAME")14 def supID = column[Int]("SUP_ID")15 def price = column[Double]("PRICE")16 def sales = column[Int]("SALES", O.Default(0))17 def total = column[Int]("TOTAL", O.Default(0))18 def * = (id, name, supID, price, sales, total) <> (Coffee.tupled, Coffee.unapply)19 }20 val coffees = TableQuery[Coffees]21 22 val limit = 10.023 // // 写Query时就像下面这样:24 ( for( c <- coffees; if c.price < limit ) yield c.name ).result25 // 相当于 SQL: select COF_NAME from COFFEES where PRICE < 10.026 27 // 返回"name"字段的Query28 // 相当于 SQL: select NAME from COFFEES29 coffees.map(_.name)30 // 选择 price < 10.0 的所有记录Query31 // 相当于 SQL: select * from COFFEES where PRICE < 10.032 coffees.filter(_.price < 10.0)33 //coffees.map(_.prices)34 //编译错误：value prices is not a member of worksheets.slickIntro.Coffees35 36 37 import scala.concurrent.ExecutionContext.Implicits.global38 val qDelete = coffees.filter(_.price > 0.0).delete39 val qAdd1 = (coffees returning coffees.map(_.id)) += Coffee(name="Columbia",price=128.0)40 val qAdd2 = (coffees returning coffees.map(_.id)) += Coffee(name="Blue Mountain",price=828.0)41 def getNameAndPrice(n: Int) = coffees.filter(_.id === n)42 .map(r => (r.name,r.price)).result.head43 44 val actions = for {45 _ <- coffees.schema.create46 _ <- qDelete47 c1 <- qAdd148 c2 <- qAdd249 (n1,p1) <- getNameAndPrice(c1)50 (n2,p2) <- getNameAndPrice(c2)51 } yield (n1,p1,n2,p2)52 import java.sql.SQLException53 import scala.concurrent.Await54 import scala.concurrent.duration._55 val db = Database.forURL("jdbc:h2:mem:demo", driver="org.h2.Driver")56 Await.result(57 db.run(actions.transactionally).map { res =>58 println(s"Add coffee: ${res._1},${res._2} and ${res._3},${res._4}")59 }.recover {60 case e: SQLException => println("Caught exception: " + e.getMessage)61 }, Duration.Inf)62 63 }
浅谈Slick（1）－ 基本功能描述
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。