【亲测免费】 APIJSON:零代码、全功能、强安全 ORM 库
项目介绍
APIJSON 是由腾讯开源的一款零代码、全功能、强安全的 ORM(对象关系映射)库。它专为 API 而生,旨在通过自动化的万能通用接口,大幅降低开发和沟通成本,简化开发流程,缩短开发周期。APIJSON 特别适合中小型前后端分离的项目,尤其是创业项目、内部项目、低代码/零代码、小程序、BaaS、Serverless 等场景。
通过 APIJSON,前端可以定制任何数据、任何结构,而后端则无需再编写接口和文档。这不仅减少了前后端之间的沟通成本,还避免了因文档错误导致的开发问题。APIJSON 的万能通用接口能够实时满足各种新增和变更需求,真正实现了零代码开发。
项目技术分析
APIJSON 支持多种主流数据库,包括 MySQL、PostgreSQL、SQLServer、Oracle、DB2、TiDB、Dameng、ClickHouse、Elasticsearch、Presto、Trino、Snowflake、Databricks、Hive、Hadoop、Milvus、MongoDB、Cassandra、InfluxDB、TDengine、TDSQL、TencentDB 等。此外,它还支持多种编程语言和框架,如 Java、Go、C#、PHP、Node.js、Python、Lua 等,以及 Spring、SpringBoot、JFinal 等框架。
APIJSON 的核心功能包括:
- 万能通用接口:自动生成增删改查接口,无需手动编写。
- 自动生成文档:自动生成并维护 API 文档,支持静态检查。
- 权限校验:自动校验权限,防止 SQL 注入。
- 版本管理:自动管理 API 版本,确保兼容性。
- 跨库连表:支持复杂的跨库连表查询和 JOIN 嵌套子查询。
项目及技术应用场景
APIJSON 适用于多种应用场景,特别是那些需要快速迭代和频繁变更的项目。以下是一些典型的应用场景:
- 创业项目:创业公司通常需要快速开发 MVP(最小可行产品),APIJSON 的零代码特性可以大幅缩短开发周期。
- 内部项目:企业内部项目往往需要频繁的数据交互和接口变更,APIJSON 的万能接口和自动文档生成功能可以显著提高开发效率。
- 低代码/零代码平台:APIJSON 可以作为低代码/零代码平台的核心组件,提供强大的数据操作能力。
- 小程序:小程序开发中,前后端分离的需求非常普遍,APIJSON 可以简化接口开发和文档维护。
- BaaS(后端即服务):APIJSON 可以作为 BaaS 平台的基础服务,提供自动化的数据接口。
- Serverless:在 Serverless 架构中,APIJSON 可以快速生成和部署数据接口,减少后端开发工作量。
项目特点
APIJSON 具有以下显著特点:
- 零代码开发:通过万能通用接口,大部分 HTTP API 无需手动编写,自动生成增删改查接口。
- 全功能支持:支持多种数据库和编程语言,满足复杂的数据操作需求。
- 强安全保障:自动校验权限,防止 SQL 注入,确保数据安全。
- 自动文档生成:自动生成并维护 API 文档,减少文档编写和维护的工作量。
- 高效开发:大幅降低开发和沟通成本,简化开发流程,缩短开发周期。
- 灵活定制:前端可以自由定制数据和结构,满足各种个性化需求。
结语
APIJSON 作为一款由腾讯开源的 ORM 库,凭借其零代码、全功能、强安全的特性,已经在多个项目中展现了强大的实用价值。无论是创业公司、内部项目,还是低代码/零代码平台,APIJSON 都能提供高效、灵活的解决方案。如果你正在寻找一款能够大幅提升开发效率的工具,APIJSON 绝对值得一试。
项目地址:APIJSON GitHub
文档:通用文档
视频教程:Bilibili 视频教程
测试用例:APIJSON 测试用例
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。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
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00