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 = 10.0 2 // // 写Query时就像下面这样:
3 ( for( c <- coffees; if c.price < limit ) yield c.name ).result 4 //> res0: slick.driver.H2Driver.StreamingDriverAction[Seq[String],String,slick.dbio.Effect.Read] = slick.driver.JdbcActionComponent$QueryActionExtensionMethodsImpl$$anon$1@46cdf8bd 5 // 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Query 2 // 相当于 SQL: select NAME from COFFEES
3 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Query 6 // 相当于 SQL: select * from COFFEES where PRICE < 10.0
7 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,s