MyBatis-Flex 中 UpdateListener 修改属性无效问题解析
问题背景
在使用 MyBatis-Flex 框架进行开发时,开发者可能会遇到一个特殊场景:在 UpdateListener 中对实体属性进行加密处理时,发现修改后的属性值并未生效。这个问题在 SetListener 和 InsertListener 中表现正常,但在 UpdateListener 中却出现了异常。
问题现象
具体表现为:当开发者尝试在 UpdateListener 中修改实体属性时,最终生成的 SQL 更新语句中的参数值仍然是调用监听器之前的原始值,而不是经过监听器修改后的值。
问题根源
经过深入分析,发现问题的根源在于 MyBatis-Flex 的更新机制设计。当使用 UpdateEntity.of() 方法进行局部更新时,框架会生成一个代理对象 UpdateWrapper。这个代理对象在设置属性时会先将变更的属性缓存到 com.mybatisflex.core.update.ModifyAttrsRecordHandler#updates 中。
这种设计导致了一个关键行为:在业务逻辑中直接修改入参对象的属性时,由于框架已经缓存了原始变更属性,后续对对象属性的修改不会反映到最终的 SQL 更新中。
与 Insert 操作的对比
值得注意的是,这个问题在 Insert 操作中并不存在。这是因为 MyBatis-Flex 在构建插入 SQL 参数时,会通过 getter 方法重新获取属性值。具体实现位于:
com.mybatisflex.core.table.TableInfo#buildInsertSqlArgscom.mybatisflex.core.table.TableInfo#getPropertyValue
这种设计保证了在 InsertListener 中对属性的修改能够正确生效。
解决方案建议
针对这个问题,开发者可以考虑以下几种解决方案:
-
使用完整的实体更新:避免使用
UpdateEntity.of()进行局部更新,转而使用完整的实体对象进行更新,这样可以绕过代理对象的属性缓存机制。 -
在业务层提前处理:在调用更新方法前,先在业务层完成所有属性的修改,包括加密等处理,然后再将处理后的对象传入更新方法。
-
自定义 UpdateWrapper:如果需要保持局部更新的高效性,可以自定义 UpdateWrapper 实现,在构建 SQL 前手动处理需要修改的属性。
框架设计思考
这个问题反映了框架在局部更新和完整更新之间的行为差异。从设计角度看,这种差异是有意为之的:
-
性能考虑:局部更新通过缓存变更属性避免了不必要的属性访问,提高了性能。
-
明确性:强制开发者在调用更新方法时就明确指定要更新的字段,避免意外更新。
-
一致性:确保更新操作只影响明确指定的字段,防止数据不一致。
最佳实践建议
基于这个问题的分析,建议开发者在实际项目中:
-
明确区分局部更新和完整更新的使用场景。
-
对于需要监听器干预的属性修改,优先考虑在业务层完成处理。
-
如果必须在监听器中处理,可以考虑使用完整实体更新或者自定义更新逻辑。
-
在团队内部建立统一的属性处理规范,避免因不同开发者的实现方式差异导致的问题。
通过理解 MyBatis-Flex 的这种设计理念和行为特点,开发者可以更合理地使用框架提供的各种功能,编写出更健壮、更高效的代码。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00