本文探讨了在Prisma中对关联模型数据进行分组聚合，并同时获取关联模型额外字段的策略。针对Prisma groupBy操作无法直接使用include或select来扩展关联字段的限制，教程详细介绍了如何通过两次查询和数据映射来高效实现这一需求，确保在聚合结果中包含所需的关联实体信息，提升数据查询的灵活性和实用性。
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：
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。
