MyBatis-Plus中PostgreSQL UUID类型主键的实践指南
背景介绍
在Java应用开发中,MyBatis-Plus作为MyBatis的增强工具,极大地简化了数据库操作。当使用PostgreSQL数据库时,UUID类型作为主键是一种常见的设计选择。然而,在实际开发中,开发者可能会遇到UUID类型主键与MyBatis-Plus自动填充机制不兼容的问题。
问题分析
当实体类的主键字段定义为UUID类型,并配置@TableId(type = IdType.ASSIGN_UUID)时,MyBatis-Plus内置的主键生成策略会生成字符串类型的UUID值。在尝试将这个字符串值赋给UUID类型的字段时,会出现类型转换异常。
解决方案
方案一:使用String类型作为主键字段
最简单的解决方案是将实体类的主键字段类型改为String:
@Getter
@Setter
public class Actor {
@TableId(value = "id", type = IdType.ASSIGN_UUID)
private String id;
// 其他字段...
}
这种方式完全避免了类型转换问题,但牺牲了类型安全性。
方案二:自定义TypeHandler
对于坚持使用UUID类型的开发者,可以自定义TypeHandler来处理类型转换:
@MappedTypes({UUID.class})
public class UuidTypeHandler implements TypeHandler<UUID> {
@Override
public void setParameter(PreparedStatement ps, int i, UUID parameter, JdbcType jdbcType)
throws SQLException {
if (parameter == null) {
ps.setObject(i, null, Types.OTHER);
} else {
ps.setObject(i, parameter.toString(), Types.OTHER);
}
}
@Override
public UUID getResult(ResultSet rs, String columnName) throws SQLException {
return toUUID(rs.getString(columnName));
}
// 其他必要方法实现...
private static UUID toUUID(String val) {
if (StringUtils.isNotBlank(val)) {
try {
return UUID.fromString(val);
} catch (IllegalArgumentException e) {
LOG.warn("Bad UUID found: {}", val);
}
}
return null;
}
}
方案三:JDBC连接参数配置
在PostgreSQL的JDBC连接URL中添加stringtype=unspecified参数:
spring.datasource.url=jdbc:postgresql://host:port/database?stringtype=unspecified
这个参数告诉JDBC驱动不要预设参数类型,让PostgreSQL服务器自行推断类型。
方案四:自定义ID生成器
实现IdentifierGenerator接口,直接生成UUID类型的主键:
@Component
public class CustomIdGenerator implements IdentifierGenerator {
@Override
public String nextUUID(Object entity) {
return UUID.randomUUID().toString();
}
// 其他必要方法实现...
}
最佳实践建议
-
简单场景:如果对类型安全要求不高,直接使用String类型作为主键字段是最简单的解决方案。
-
类型安全场景:如果需要严格的类型安全,建议组合使用自定义TypeHandler和JDBC连接参数配置。
-
代码生成:使用MyBatis-Plus代码生成器时,可以通过自定义类型转换器正确处理PostgreSQL的uuid类型:
.typeConvertHandler((globalConfig, typeRegistry, metaInfo) -> {
if (metaInfo.getTypeName().equals("uuid")) {
return new UUIDColumnType();
}
// 其他类型处理...
})
注意事项
-
MyBatis-Plus 3.5.8版本后,虽然不会抛出异常,但会打印警告日志,提醒开发者类型不匹配的问题。
-
对于复杂的自定义需求,可以考虑重写实体类的setId方法,手动处理类型转换:
public void setId(Object id) {
if (id instanceof UUID) {
this.id = (UUID) id;
} else {
this.id = UUID.fromString(id.toString());
}
}
- 在使用JSON类型字段时,PostgreSQL的jsonb类型也需要特殊处理,可以通过类似的方式自定义类型处理器。
通过以上方案,开发者可以灵活地在MyBatis-Plus中使用PostgreSQL的UUID类型作为主键,同时保持代码的健壮性和可维护性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00