Easy-ES v2.1.0 版本发布:全面升级与功能增强
Easy-ES 是一个基于 Elasticsearch 的高效开发框架,它简化了开发者与 Elasticsearch 的交互过程,提供了类似 MyBatis-Plus 的便捷操作方式。通过注解和 API 封装,开发者可以更轻松地实现索引管理、文档操作和复杂查询等功能。
核心升级内容
1. 框架适配扩展
本次 2.1.0 版本新增了对 Solon 框架和老版本 Spring 的支持,这意味着 Easy-ES 现在可以更广泛地应用于各种 Java 生态系统中。Solon 是一个轻量级的 Java 应用框架,而老版本 Spring 的支持则确保了那些尚未升级到最新 Spring 版本的项目也能顺利集成 Easy-ES。
2. 底层客户端升级
框架底层依赖的 RestHighLevelClient 从 7.14.0 升级到了 7.17.8 版本。这一升级带来了两个重要优势:
- 兼容性提升:新版本可以同时兼容 Elasticsearch 7.x 和 8.x 系列,为开发者提供了更大的灵活性
- 功能增强:新版客户端包含了更多 Elasticsearch 的新特性和性能优化
3. 索引类型增强
新增了对 copy_to 索引类型的支持。copy_to 是 Elasticsearch 中一个非常有用的功能,它允许将多个字段的值复制到一个组合字段中,便于进行跨字段搜索。例如:
@IndexName("my_index")
public class Document {
@IndexField(type = FieldType.TEXT, copyTo = "full_text")
private String title;
@IndexField(type = FieldType.TEXT, copyTo = "full_text")
private String content;
@IndexField(type = FieldType.TEXT)
private String full_text;
}
这样设置后,可以直接在 full_text 字段上搜索,同时匹配 title 和 content 的内容。
4. 查询构建器优化
修复了 QueryBuilders 中当 boost 参数为 null 时的 NPE(空指针异常)问题,提升了框架的健壮性。同时优化了 condition 判断逻辑,现在只有在 condition 为 true 时才会进行参数校验,减少了不必要的性能开销。
5. 搜索功能增强
修复了在混合查询中设置排序后 searchAfter 查询报错的问题。searchAfter 是 Elasticsearch 中用于深度分页的技术,这次修复使得开发者可以更灵活地组合各种查询条件和排序方式。
开发者体验改进
1. 多包扫描支持
MapperScan 注解现在支持多包扫描配置,开发者可以更灵活地组织自己的代码结构:
@EsMapperScan({"com.example.mapper", "com.example.other.mapper"})
public class Application {
// 应用启动类
}
2. 拦截器增强
拦截器插件现在支持正则表达式通配,为开发者提供了更强大的 AOP 能力。例如,可以通过正则表达式匹配特定模式的方法名来添加拦截逻辑。
3. 逆向工程工具
新增了根据索引自动生成实体类的逆向工程功能。这一特性可以显著提升开发效率,特别是在已有 Elasticsearch 索引需要映射为 Java 实体类的场景下。使用方法示例:
EasyEsAutoGenerator generator = new EasyEsAutoGenerator();
generator.setIndexName("your_index_name");
generator.setPackageName("com.your.package");
generator.execute();
升级建议
对于正在使用 Easy-ES 的开发者,建议在测试环境中先行验证新版本的兼容性,特别是注意以下几点:
- 检查自定义拦截器是否受到正则表达式通配功能的影响
- 验证现有查询中使用的 boost 参数是否可能为 null
- 如果使用了 searchAfter 与复杂排序组合的功能,需要重点测试相关场景
对于新用户,2.1.0 版本提供了更全面的功能和更好的稳定性,是开始使用 Easy-ES 的良好起点。
总结
Easy-ES v2.1.0 通过框架适配扩展、底层升级和功能增强,为开发者提供了更强大、更灵活的工具集。特别是对 copy_to 的支持和逆向工程功能的加入,将显著提升开发效率。建议所有用户考虑升级到这一版本,以获得更好的开发体验和系统性能。
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