QueryDSL 5.1.0 生成代码时使用Jakarta注解的解决方案
在使用QueryDSL 5.1.0版本时,开发者可能会遇到一个关于代码生成注解的问题。当项目从Javax迁移到Jakarta EE后,QueryDSL生成的Q类仍然使用了javax.annotation.Generated或javax.annotation.processing.Generated注解,而不是预期的jakarta.annotation.Generated注解。
问题背景
QueryDSL是一个流行的Java查询框架,它通过APT(Annotation Processing Tool)在编译时生成查询相关的元模型类(Q类)。在Java EE向Jakarta EE迁移的过程中,许多注解的包名从javax变更为jakarta,这包括常用的@Generated注解。
问题分析
默认情况下,QueryDSL的代码生成器会优先使用javax.annotation.processing.Generated,其次是javax.annotation.Generated。即使在项目中使用了带有jakarta分类器的QueryDSL依赖(querydsl-jpa和querydsl-apt),这个默认行为也不会自动改变。
解决方案
要强制QueryDSL使用jakarta.annotation.Generated注解生成代码,可以通过以下配置实现:
- 在Maven项目的pom.xml中,配置maven-compiler-plugin插件:
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<compilerArgs>
<arg>-Aquerydsl.generatedAnnotationClass=jakarta.annotation.Generated</arg>
</compilerArgs>
</configuration>
</plugin>
- 对于Gradle项目,可以在build.gradle中配置:
tasks.withType(JavaCompile) {
options.compilerArgs << "-Aquerydsl.generatedAnnotationClass=jakarta.annotation.Generated"
}
技术原理
这个解决方案利用了Java注解处理器(Annotation Processor)的选项传递机制。QueryDSL的APT处理器会读取名为"querydsl.generatedAnnotationClass"的处理器选项,开发者可以通过编译器参数来设置这个选项值。
在QueryDSL内部,GeneratedAnnotationResolver类负责解析应该使用的Generated注解类。虽然当前版本中javax注解的优先级高于jakarta,但通过显式配置可以绕过这个默认行为。
最佳实践建议
- 对于新项目,建议从一开始就配置使用jakarta.annotation.Generated
- 迁移项目时,除了配置QueryDSL外,还应确保项目中移除了所有javax.annotation的依赖
- 考虑在团队内部文档中记录这个配置,方便新成员快速上手
- 如果使用IDE进行开发,确保IDE的编译配置也包含了相同的参数
未来展望
随着Jakarta EE的普及,未来版本的QueryDSL很可能会调整默认行为,优先使用jakarta.annotation.Generated。但在当前版本中,显式配置仍然是最可靠的解决方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00