MyBatis-Plus动态扩展TableInfo字段的技术实现
2025-05-13 13:26:45作者:戚魁泉Nursing
在实际开发中,我们经常会遇到需要动态扩展实体类字段的需求,特别是在使用MyBatis-Plus框架时。本文将深入探讨如何通过反射机制修改TableInfo中的fieldList,实现动态增加字段的功能。
背景与需求分析
MyBatis-Plus框架在初始化时会为每个实体类创建TableInfo对象,其中包含了该实体类对应的数据库表信息。TableInfo中的fieldList字段存储了所有表字段信息,但框架默认将其封装为不可修改的集合(通过Collections.unmodifiableList)。
这种设计虽然保证了数据的安全性,但在某些特殊场景下,我们需要动态地向fieldList中添加一些公共字段(如租户ID、创建时间等),而不需要在每个实体类中都显式声明这些字段。
技术实现方案
反射机制的应用
由于TableInfo类的fieldList字段被设计为不可修改,我们可以通过Java反射机制来突破这一限制。以下是具体实现步骤:
- 获取原始fieldList引用:首先需要获取TableInfo对象中实际的fieldList字段值
- 创建可修改的新集合:基于原始fieldList创建一个新的ArrayList
- 添加自定义字段:向新集合中添加需要扩展的字段信息
- 通过反射设置回TableInfo:将修改后的集合设置回TableInfo对象
代码实现示例
public class CustomTableInfoHandler implements PostInitTableInfoHandler {
@Override
public void postTableInfo(TableInfo tableInfo) {
try {
// 获取原始fieldList
Field fieldListField = TableInfo.class.getDeclaredField("fieldList");
fieldListField.setAccessible(true);
// 创建可修改的新集合
List<TableFieldInfo> originalList = (List<TableFieldInfo>) fieldListField.get(tableInfo);
List<TableFieldInfo> newList = new ArrayList<>(originalList);
// 添加自定义字段
TableFieldInfo tenantField = createTenantField();
newList.add(tenantField);
// 设置回TableInfo
fieldListField.set(tableInfo, newList);
} catch (Exception e) {
throw new RuntimeException("动态扩展TableInfo字段失败", e);
}
}
private TableFieldInfo createTenantField() {
// 创建并配置TableFieldInfo对象
// 这里可以设置字段名、属性名、字段类型等信息
return new TableFieldInfo(...);
}
}
注意事项与最佳实践
- 线程安全问题:确保在应用启动阶段完成TableInfo的修改,避免运行时并发修改
- 字段冲突处理:检查要添加的字段是否已存在,避免重复添加
- 性能考虑:反射操作有一定性能开销,但通常只需在应用启动时执行一次
- 框架升级兼容性:关注MyBatis-Plus版本更新,确保反射代码与新版框架兼容
扩展思考
除了通过反射修改fieldList外,还可以考虑以下替代方案:
- 使用AOP拦截:通过切面在SQL执行前后动态添加条件
- 自定义SQL注入器:实现自己的SQL逻辑处理动态字段
- 实体类继承:创建包含公共字段的基类,让业务实体类继承
每种方案各有优缺点,开发者应根据具体场景选择最合适的实现方式。
总结
通过反射机制动态修改MyBatis-Plus的TableInfo字段,虽然突破了框架原有的设计限制,但在特定场景下确实能解决实际问题。开发者在使用时应当充分理解其原理,权衡利弊,并做好异常处理和兼容性考虑。这种技术实现为多租户、审计日志等通用功能提供了灵活的实现方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218