MyBatis-Plus中实体类无参构造的重要性解析
问题背景
在使用MyBatis-Plus进行数据库操作时,开发者可能会遇到一个常见的异常情况:当执行SQL查询时,字符串字段被错误地映射为数字字段,导致NumberFormatException异常。这种情况往往与实体类的构造方式有关。
典型错误表现
从错误日志中可以看到,当MyBatis尝试将查询结果映射到实体类时,系统抛出了NumberFormatException异常。具体表现为:系统试图将一个BCrypt加密的密码字符串"$2aEH1Owe..."转换为数字类型,这显然是不合理的。
根本原因分析
经过深入分析,这个问题的主要原因是实体类缺少无参构造函数。MyBatis/MyBatis-Plus在映射查询结果到Java对象时,有以下两种方式:
-
通过无参构造函数创建对象:首先调用无参构造函数创建对象实例,然后通过setter方法为各个属性赋值。
-
通过带参构造函数创建对象:如果实体类中定义了带参数的构造函数,MyBatis会尝试匹配查询结果列与构造函数参数。
当实体类中既没有无参构造函数,又没有正确配置带参构造函数的映射时,MyBatis会尝试自动匹配,可能导致类型映射错误,如将字符串字段误认为数字字段。
解决方案
针对这个问题,有以下几种解决方案:
方案一:添加无参构造函数
最简单的解决方案是在实体类中添加一个无参构造函数:
public class User {
// 其他字段和方法
public User() {
// 无参构造函数
}
}
方案二:正确配置带参构造函数
如果确实需要使用带参构造函数,需要在resultMap中明确指定构造函数映射:
<resultMap id="baseResultMap" type="com.dongmitech.gaspsi.entity.User">
<constructor>
<idArg column="id" javaType="java.lang.Long"/>
<arg column="password" javaType="java.lang.String"/>
<!-- 其他构造函数参数 -->
</constructor>
<!-- 其他属性映射 -->
</resultMap>
方案三:检查实体类定义
确保实体类中的字段类型与数据库中的列类型匹配,特别是像password这样的字段应该定义为String类型而非数值类型。
最佳实践建议
-
始终提供无参构造函数:即使当前不需要,也为实体类保留无参构造函数,这是MyBatis/MyBatis-Plus的推荐做法。
-
明确类型映射:在resultMap中为每个字段明确指定jdbcType和javaType,避免自动类型推断可能带来的问题。
-
保持一致性:确保数据库表结构、实体类定义和映射配置三者之间的类型一致性。
-
使用Lombok时注意:如果使用Lombok的@AllArgsConstructor注解,记得同时添加@NoArgsConstructor注解。
总结
在MyBatis-Plus开发中,实体类的构造方式直接影响着查询结果的映射过程。缺少无参构造函数可能导致MyBatis采用不恰当的对象创建和属性填充策略,进而引发类型转换异常。遵循框架的最佳实践,明确配置实体类的构造方式,可以避免这类问题的发生,保证数据访问层的稳定性和可靠性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03