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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00