Spring Data JPA 3.5.0-M1 新特性与改进深度解析
Spring Data JPA 作为 Spring 生态系统中关系型数据库访问的核心组件,其 3.5.0-M1 版本带来了多项令人期待的改进和新功能。这个版本不仅增强了现有功能,还引入了一些创新性的特性,为开发者提供了更强大、更灵活的 JPA 开发体验。
核心特性增强
1. Querydsl 支持全面升级
新版本显著改进了对 Querydsl 的支持,新增了通过 Predicate 返回 Slice 的能力,这使得基于 Querydsl 的分页查询更加灵活。同时,项目还提升了与 OpenFeign Querydsl 分支的兼容性,为微服务架构下的查询提供了更好的支持。
2. 查询参数处理优化
StringQuery 参数索引分配机制得到了重构,解决了在处理复杂查询时可能出现的参数绑定问题。这个改进特别有利于那些使用原生 SQL 或复杂 JPQL 查询的场景,能够更准确地处理参数位置。
3. 投影查询的革新
3.5.0-M1 版本为 Fluent API 添加了基于类的 DTO 投影支持,同时改进了构造函数表达式在字符串查询中的自动重写能力。这意味着开发者现在可以更自然地使用 DTO 作为查询返回类型,而无需手动编写复杂的投影逻辑。
性能与稳定性改进
1. 批量操作优化
解决了 deleteBy 操作可能导致的 OOM 问题,通过改进底层实现,显著提升了批量删除操作的性能。这对于需要处理大量数据的应用来说是一个重要的优化。
2. 查询解析增强
HQL 解析器现在能够更好地处理各种边界情况,包括支持 CEILING、LN 等数学函数,以及正确处理 INSERT...ON CONFLICT 等特定语法。这些改进使得 Spring Data JPA 能够支持更广泛的数据库特性。
3. 分页查询完善
修复了 FluentQuery 中分页参数处理的问题,确保 Pageable 中的排序信息能够被正确应用。同时改进了带有 CTE(Common Table Expression) 的查询在分页时的计数查询生成逻辑。
开发者体验提升
1. Specification API 精炼
对 Specification API 进行了重构,使其更加直观和易于使用。新的 API 设计考虑了类型安全和流畅性,让动态查询的构建更加优雅。
2. 空值处理策略改进
当使用 NEGATING_SIMPLE_PROPERTY 条件且参数为 null 时,现在会生成 IS NOT NULL 条件而非传统的 != null,这更符合 SQL 最佳实践,也能更好地利用数据库索引。
3. 事务处理修正
修复了 SimpleJpaRepository 中 delete 方法的事务配置问题,确保在执行删除操作时不会因为类级别的 readOnly 设置而导致 JDBC 连接只读异常。
兼容性与生态系统
新版本升级了底层依赖,包括 Hibernate 6.6.7.Final 和 Eclipselink 4.0.5,提供了更好的性能和稳定性。特别值得注意的是对记录(record)类型作为投影目标的支持改进,解决了早期版本中的 ConverterNotFoundException 问题。
总结
Spring Data JPA 3.5.0-M1 版本在查询能力、性能优化和开发者体验方面都做出了显著改进。这些变化不仅解决了社区反馈的诸多问题,还引入了一些前瞻性的特性,为构建高效、可维护的数据访问层提供了更多可能性。对于正在使用或考虑使用 Spring Data JPA 的团队来说,这个版本值得密切关注。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00