jOOQ 3.18.26版本发布:增强SQL类型处理与查询优化
jOOQ(Java Object Oriented Querying)是一个强大的Java数据库查询库,它允许开发者以类型安全的方式构建和执行SQL查询。最新发布的3.18.26版本带来了一系列改进和修复,特别是在SQL类型处理、查询优化和API文档方面有了显著提升。
核心改进与特性增强
1. 增强LOB类型支持
新版本重点解决了Oracle数据库中BLOB和CLOB类型在特定查询场景下的兼容性问题。在之前的版本中,当这些大型对象类型被用于IN/NOT IN列表谓词或行值比较谓词时,会抛出ORA-22848错误。3.18.26版本通过优化内部处理逻辑,确保了这些特殊类型在各种查询场景下的正确使用。
2. 方言支持扩展
针对SQLDialect.LONGVARCHAR等较为特殊的字符串/二进制类型,jOOQ 3.18.26完善了方言支持。这意味着在不同数据库系统中使用这些类型时,jOOQ能够提供更加一致和可靠的行为,减少了因方言差异导致的问题。
3. 查询优化改进
新版本对多种查询场景进行了优化:
- 改进了LIMIT和WITH TIES的模拟实现,解决了嵌套行查询时的结果错误问题
- 优化了QUALIFY子句的模拟逻辑,在没有聚合函数的情况下不再使用HAVING
- 修正了SQL Server中FOR UPDATE子句在表有别名时的模拟实现
- 解决了DISTINCT ON与QUALIFY模拟组合使用时的问题
API与文档增强
1. 类型安全API文档
jOOQ团队为Field::as和Table::as等关键API添加了更多关于引用(reference)与声明(declaration)的Javadoc说明。这些文档改进帮助开发者更清晰地理解API的预期行为和使用场景,特别是在处理表别名和字段引用时。
2. 生成代码改进
在代码生成方面,3.18.26版本有两个重要改进:
- 生成的Javadoc现在引用生成对象的限定输出名称而非输入名称,提高了文档的准确性
- 修复了当UDT属性名称与getter过程冲突时的编译错误问题
其他重要修复
-
默认值处理:修复了SQL Server中ALTER TABLE .. DROP DEFAULT对于带引号的列标识符不起作用的问题。
-
类型转换增强:DefaultConverterProvider现在会尝试加载Jackson的JavaTimeModule(如果存在于类路径中),这增强了日期时间类型的处理能力。
-
隐式连接修复:解决了在SQL Server中使用.forUpdate()与隐式连接组合时生成无效SQL的问题。
-
PostgreSQL类型处理:修复了Field::contains自动将citext类型转换为varchar的问题,保持了PostgreSQL特有类型的原生行为。
-
临时表支持:修正了临时表版本化列未生成计算列的问题。
性能优化
3.18.26版本引入了一个新的AbstractDelegatingResultQuery内部类型,这减少了JVM启动时默认方法字节码的生成量,有助于提升应用启动性能。同时,SchemaImpl和TableImpl类避免了遍历和替换递归,进一步优化了运行时性能。
总结
jOOQ 3.18.26版本虽然是一个补丁发布,但带来了多项实质性改进,特别是在数据库特定类型的处理、复杂查询场景的支持以及API文档的完善方面。这些改进使得jOOQ在各种数据库操作场景下更加健壮和易用,特别是对于需要处理大型对象类型或复杂查询的应用程序。对于现有用户来说,升级到这个版本将获得更好的稳定性和功能支持。
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