EasyScheduler 3.2.1版本PostgreSQL数据库ID空值约束问题分析
2025-05-17 11:48:05作者:袁立春Spencer
问题现象
在EasyScheduler 3.2.1版本中,当用户执行工作流时,系统出现工作流实例处于运行状态但无法生成实例日志的情况。通过检查master服务日志,发现以下关键错误信息:
ERROR: null value in column "id" of relation "t_ds_listener_event" violates not-null constraint
该错误表明系统在向PostgreSQL数据库的t_ds_listener_event表插入数据时,尝试插入一个ID为null的记录,违反了该字段的非空约束。
技术背景
EasyScheduler使用PostgreSQL作为后端数据库时,对于表的主键ID字段通常有以下几种处理方式:
- 序列自增:依赖PostgreSQL的序列机制自动生成ID
- 应用层生成:由应用程序负责生成唯一ID
- ORM框架管理:通过MyBatis-Plus等框架自动处理
在本案例中,系统使用的是MyBatis-Plus作为ORM框架,但在处理监听器事件表(t_ds_listener_event)的插入操作时,未能正确生成主键ID值。
问题根源
通过分析错误堆栈,可以确定问题发生在ListenerEventAlertManager.saveNormalEvent()方法中。具体表现为:
- 当工作流启动时,系统尝试记录一个流程启动监听事件
- 事件数据准备就绪后,调用Mapper的insert方法
- 由于某种原因,MyBatis-Plus未能为实体对象生成ID值
- PostgreSQL数据库严格执行了ID字段的非空约束,导致插入失败
解决方案
该问题在EasyScheduler的dev分支中已得到修复。开发团队可能采取了以下修复方式之一:
- 为实体类添加明确的ID生成策略注解
- 修改数据库表结构,设置ID字段的默认值或自增属性
- 在插入前显式生成ID值
影响范围
此问题主要影响:
- 使用PostgreSQL作为数据库的EasyScheduler 3.2.1版本
- 工作流执行时的监听事件记录功能
- 可能导致工作流启动失败或状态不一致
临时解决方案
对于无法立即升级的用户,可以考虑以下临时解决方案:
- 手动修改t_ds_listener_event表结构,允许ID为空或设置默认值
- 在应用配置中禁用相关监听器功能
- 切换到MySQL等其他支持的数据库
最佳实践建议
- 在使用ORM框架时,应明确指定主键生成策略
- 数据库设计时应考虑不同数据库的约束特性差异
- 重要操作应添加事务回滚机制,避免部分失败导致状态不一致
- 定期检查并更新到稳定版本
该问题的修复体现了EasyScheduler团队对系统稳定性的持续改进,建议用户关注官方更新并及时升级到包含修复的版本。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146