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：

import slick.driver.H2Driver.api._
object slickIntro {
  case class Coffee(id: Int, 
                    name: String,
                    supID: Int = 0,
                    price: Double ,
                    sales: Int = 0,
                    total: Int = 0)

  class Coffees(tag: Tag) extends Table[Coffee](tag, "COFFEES") {
    def id = column[Int]("COF_ID", O.PrimaryKey, O.AutoInc)
    def name = column[String]("COF_NAME")
    def supID = column[Int]("SUP_ID")
    def price = column[Double]("PRICE")
    def sales = column[Int]("SALES", O.Default(0))
    def total = column[Int]("TOTAL", O.Default(0))
    def * = (id, name, supID, price, sales, total) <> (Coffee.tupled, Coffee.unapply)
  }
  val coffees = TableQuery[Coffees]               
//> coffees  : slick.lifted.TableQuery[worksheets.slickIntro.Coffees] = Rep(TableExpansion)
}

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：

val limit = 10.0                                 //> limit  : Double = 10.0
// // 写Query时就像下面这样:
( for( c <- coffees; if c.price < limit ) yield c.name ).result
   //> res0: slick.driver.H2Driver.StreamingDriverAction[Seq[String],String,slick.dbio.Effect.Read] = slick.driver.JdbcActionComponent$QueryActionExtensionMethodsImpl$$anon$1@46cdf8bd
// 相当于 SQL: select COF_NAME from COFFEES where PRICE < 10.0

或者下面这些不同的Query：

// 返回"name"字段的Query
// 相当于 SQL: select NAME from COFFEES
coffees.map(_.name)                               
//> res1: slick.lifted.Query[slick.lifted.Rep[String],String,Seq] = Rep(Bind)
// 选择 price < 10.0 的所有记录Query
// 相当于 SQL: select * from COFFEES where PRICE < 10.0
coffees.filter(_.price < 10.0)                    
//> 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：

//coffees.map(_.prices)   
//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：

import scala.concurrent.ExecutionContext.Implicits.global
val qDelete = coffees.filter(_.price > 0.0).delete
//> qDelete  : slick.driver.H2Driver.DriverAction[Int,slick.dbio.NoStream,slick.dbio.Effect.Write] ...
val qAdd1 = (coffees returning coffees.map(_.id)) += Coffee(name="Columbia",price=128.0)
//> qAdd1  : slick.profile.FixedSqlAction[Int,slick.dbio.NoStream,slick.dbio.Effect.Write]...
val qAdd2 = (coffees returning coffees.map(_.id)) += Coffee(name="Blue Mountain",price=828.0)
//> qAdd2  : slick.profile.FixedSqlAction[Int,slick.dbio.NoStream,slick.dbio.Effect.Write]...
def getNameAndPrice(n: Int) = coffees.filter(_.id === n)
    .map(r => (r.name,r.price)).result.head      
//> getNameAndPrice: (n: Int)slick.profile.SqlAction[(String, Double),slick.dbio.NoStream,slick.dbio.Effect.Read]

val actions = for {
  _ <- coffees.schema.create
  _ <- qDelete
  c1 <- qAdd1
  c2 <- qAdd2
  (n1,p1) <- getNameAndPrice(c1)
  (n2,p2) <- getNameAndPrice(c2)
} yield (n1,p1,n2,p2)                             
//> 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：

import java.sql.SQLException
import scala.concurrent.Await
import scala.concurrent.duration._
val db = Database.forURL("jdbc:h2:mem:demo", driver="org.h2.Driver")
     //> db  : slick.driver.H2Driver.backend.DatabaseDef = slick.jdbc.JdbcBackend$DatabaseDef@1a5b6f42
Await.result(
      db.run(actions.transactionally).map { res =>
        println(s"Add coffee: ${res._1},${res._2} and ${res._3},${res._4}")
      }.recover {
        case e: SQLException => println("Caught exception: " + e.getMessage)
      }, 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：

val limit = 10.0
sql"select COF_NAME from COFFEES where PRICE < $limit".as[String]
// 用$来绑定变量: // select COF_NAME from COFFEES where PRICE < ?

下面是这篇讨论的示范代码：

package worksheets
import slick.driver.H2Driver.api._
object slickIntro {
  case class Coffee(id: Int = 0,
                    name: String,
                    supID: Int = 0,
                    price: Double,
                    sales: Int = 0,
                    total: Int = 0)

  class Coffees(tag: Tag) extends Table[Coffee](tag, "COFFEES") {
    def id = column[Int]("COF_ID", O.PrimaryKey, O.AutoInc)
    def name = column[String]("COF_NAME")
    def supID = column[Int]("SUP_ID")
    def price = column[Double]("PRICE")
    def sales = column[Int]("SALES", O.Default(0))
    def total = column[Int]("TOTAL", O.Default(0))
    def * = (id, name, supID, price, sales, total) <> (Coffee.tupled, Coffee.unapply)
  }
  val coffees = TableQuery[Coffees]
  
 val limit = 10.0
// // 写Query时就像下面这样:
( for( c <- coffees; if c.price < limit ) yield c.name ).result
// 相当于 SQL: select COF_NAME from COFFEES where PRICE < 10.0

// 返回"name"字段的Query
// 相当于 SQL: select NAME from COFFEES
coffees.map(_.name)
// 选择 price < 10.0 的所有记录Query
// 相当于 SQL: select * from COFFEES where PRICE < 10.0
coffees.filter(_.price < 10.0)
//coffees.map(_.prices)
//编译错误：value prices is not a member of worksheets.slickIntro.Coffees


import scala.concurrent.ExecutionContext.Implicits.global
val qDelete = coffees.filter(_.price > 0.0).delete
val qAdd1 = (coffees returning coffees.map(_.id)) += Coffee(name="Columbia",price=128.0)
val qAdd2 = (coffees returning coffees.map(_.id)) += Coffee(name="Blue Mountain",price=828.0)
def getNameAndPrice(n: Int) = coffees.filter(_.id === n)
    .map(r => (r.name,r.price)).result.head

val actions = for {
  _ <- coffees.schema.create
  _ <- qDelete
  c1 <- qAdd1
  c2 <- qAdd2
  (n1,p1) <- getNameAndPrice(c1)
  (n2,p2) <- getNameAndPrice(c2)
} yield (n1,p1,n2,p2)
import java.sql.SQLException
import scala.concurrent.Await
import scala.concurrent.duration._
val db = Database.forURL("jdbc:h2:mem:demo", driver="org.h2.Driver")
Await.result(
      db.run(actions.transactionally).map { res =>
        println(s"Add coffee: ${res._1},${res._2} and ${res._3},${res._4}")
      }.recover {
        case e: SQLException => println("Caught exception: " + e.getMessage)
      }, Duration.Inf)
      
}