springdoc-openapi 2.7.0版本中SwaggerUiConfigParameters的变更解析
2025-06-24 09:08:01作者:董灵辛Dennis
背景介绍
在Spring Boot应用中集成OpenAPI文档时,springdoc-openapi是一个非常流行的选择。它能够自动为Spring Boot应用生成OpenAPI 3.0规范的API文档,并提供Swagger UI界面。在2.7.0版本中,该项目对Swagger UI配置相关的类进行了一些重要调整。
核心变更点
在2.6.0版本中,SwaggerUiConfigParameters类是由springdoc-common模块自动配置的。但在2.7.0版本中,这一自动配置行为被移除了。这一变化主要出于以下考虑:
- 对象引用隔离:为了确保每个请求都能获得独立的配置对象实例
- 配置灵活性:给予开发者更大的控制权来管理Swagger UI的配置
- 性能优化:减少不必要的bean创建和依赖注入
技术实现细节
在2.7.0版本中,SwaggerUiConfigParameters不再作为Spring Bean存在,而是改为在需要时即时创建。这种变化影响了自定义SwaggerIndexPageTransformer的实现方式。
旧版本实现方式
在2.6.0及之前版本中,开发者可以这样实现自定义转换器:
public class CustomTransformer extends AbstractSwaggerIndexTransformer {
public CustomTransformer(SwaggerUiConfigParameters configParameters) {
super(configParameters);
}
@Override
public String transform(InputStream inputStream) throws IOException {
return defaultTransformations(configParameters, inputStream);
}
}
新版本推荐实现
在2.7.0版本中,推荐的做法是:
public class CustomTransformer extends AbstractSwaggerIndexTransformer {
private final SwaggerUiConfigProperties swaggerUiConfig;
public CustomTransformer(SwaggerUiConfigProperties swaggerUiConfig) {
this.swaggerUiConfig = swaggerUiConfig;
}
@Override
public String transform(InputStream inputStream) throws IOException {
SwaggerUiConfigParameters configParameters = new SwaggerUiConfigParameters(swaggerUiConfig);
return defaultTransformations(configParameters, inputStream);
}
}
迁移建议
对于从2.6.0升级到2.7.0的用户,需要注意以下几点:
- 移除Bean声明:不再需要显式声明
SwaggerUiConfigParameters为Spring Bean - 即时创建实例:在需要使用时直接创建新的
SwaggerUiConfigParameters实例 - 依赖调整:确保自定义转换器只依赖必要的配置属性
深入理解设计意图
这一变更体现了Spring框架提倡的"轻量级"和"按需创建"的设计理念。通过避免将SwaggerUiConfigParameters作为单例Bean,可以:
- 避免潜在的线程安全问题
- 确保每次请求都能获得最新的配置状态
- 减少应用启动时的初始化负担
最佳实践
在实际项目中,建议:
- 保持转换器无状态:将配置相关的状态保存在方法局部变量中
- 合理复用配置属性:
SwaggerUiConfigProperties仍然可以作为Bean注入 - 考虑性能影响:对于高频访问的端点,可以适当缓存转换结果
总结
springdoc-openapi 2.7.0对Swagger UI配置方式的调整,虽然带来了一定的迁移成本,但从长远来看,这种变化使得框架更加灵活和健壮。理解这一变更背后的设计理念,有助于开发者更好地利用springdoc-openapi构建高质量的API文档系统。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
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
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143