jOOQ 3.21.0 新特性:支持在 DROP FUNCTION/PROCEDURE 语句中指定参数类型
在数据库开发中,存储过程和函数的重载是一个常见的需求。不同数据库系统对于删除重载函数和存储过程的语法要求各不相同。jOOQ 作为一款强大的 Java SQL 构建工具,在 3.21.0 版本中新增了对 DROP FUNCTION 和 DROP PROCEDURE 语句中参数类型支持的功能,使得开发者能够更精确地指定要删除的特定重载版本。
背景与需求
在支持函数和存储过程重载的数据库系统中(如 PostgreSQL、Db2、Snowflake 等),当存在多个同名但参数不同的函数或存储过程时,仅通过名称无法唯一标识要删除的对象。这时就需要在 DROP 语句中指定参数类型列表,有时甚至需要指定参数名称和模式(IN/OUT)。
例如,在 PostgreSQL 中,如果有两个名为 calculate 的函数:
- 一个接受
integer参数 - 另一个接受
text参数
要删除接受 integer 参数的版本,就需要使用:
DROP FUNCTION calculate(integer);
jOOQ 的新实现
jOOQ 3.21.0 版本为 DROP FUNCTION 和 DROP PROCEDURE 语句添加了参数类型支持,主要包含以下改进:
-
API 增强:
- 新增了
parameters()方法,允许开发者指定参数列表 - 区分了不调用
parameters()和调用空参数列表的不同语义 - 保持了向后兼容性,未指定参数列表时行为与之前版本一致
- 新增了
-
多方言支持:
- 对 PostgreSQL、Db2、Informix、YugabyteDB 等支持可选参数列表的方言进行了适配
- 对 Snowflake 等强制要求参数列表的方言提供了支持
- 对于不支持参数列表的数据库(如 MySQL、Oracle 等)则自动忽略参数列表
-
语法灵活性:
- 支持仅指定类型列表(如 Snowflake)
- 也支持完整的参数定义(名称+类型+模式,如 PostgreSQL)
使用示例
以下是在 jOOQ 中使用新特性的示例代码:
// 删除没有重载的函数(不指定参数)
dsl.dropFunction("func_name").execute();
// 删除特定参数类型的函数(Snowflake 风格)
dsl.dropFunction("func_name")
.parameters(int.class, String.class)
.execute();
// 删除带有完整参数定义的函数(PostgreSQL 风格)
dsl.dropFunction("func_name")
.parameters(
param("p1", INTEGER),
param("p2", VARCHAR).in()
)
.execute();
实现细节
jOOQ 团队在实现这一功能时面临了几个技术挑战:
-
API 设计:需要在保持向后兼容的同时,清晰地表达"不指定参数"和"指定空参数列表"这两种不同语义。
-
方言适配:不同数据库对参数列表的语法要求差异很大,需要为每种支持的方言定制实现。
-
类型安全:通过泛型和类型推导确保参数类型在编译期就能被正确验证。
未来展望
虽然当前版本已经覆盖了大多数使用场景,但 jOOQ 团队还规划了进一步的增强:
-
在需要参数列表但未提供的方言中,通过查询信息模式自动获取正确的参数列表。
-
增强对存储过程 OUT 参数的支持。
-
提供更多关于函数重载的元数据查询功能。
这一改进使得 jOOQ 在处理数据库函数和存储过程时更加精确和灵活,特别是在复杂的数据库环境中,能够帮助开发者避免意外的对象删除操作。
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