MyBatis-Plus中JSON类型字段的更新问题解析
2025-05-13 21:09:25作者:戚魁泉Nursing
问题背景
在使用MyBatis-Plus操作MySQL数据库时,开发者经常会遇到需要处理JSON类型字段的情况。MyBatis-Plus提供了JacksonTypeHandler等类型处理器来简化JSON字段的映射操作,但在实际使用中,开发者可能会发现不同的更新方式对JSON字段的处理存在差异。
现象描述
当使用MyBatis-Plus更新JSON类型字段时,开发者可能会遇到以下两种不同的行为:
- 使用updateById方法:能够正常更新JSON字段,自动应用@TableField注解中配置的JacksonTypeHandler
- 使用Wrapper更新:直接使用LambdaUpdateWrapper的set方法时,JSON字段更新会失败,报错提示"Data truncation: Cannot create a JSON value from a string with CHARACTER SET 'binary'"
问题分析
这个问题的本质在于MyBatis-Plus对不同类型的更新操作采用了不同的处理机制:
- updateById方法:该方法会完整地使用实体类映射,包括所有注解配置的类型处理器,因此能够正确处理JSON字段
- Wrapper更新:直接使用set方法时,MyBatis-Plus无法自动识别字段需要特殊类型处理,默认将对象作为二进制数据传递,导致MySQL无法将其识别为合法的JSON值
解决方案
针对Wrapper更新JSON字段的问题,MyBatis-Plus提供了两种解决方案:
方案一:显式指定类型处理器
demoService.update(Wrappers.lambdaUpdate(Demo.class)
.set(Demo::getNumAttrs, demo.getNumAttrs(),
"typeHandler=com.baomidou.mybatisplus.extension.handlers.JacksonTypeHandler")
.eq(Demo::getId, demo.getId()));
这种方式直接在set方法中指定类型处理器,明确告诉MyBatis-Plus如何处理该字段。
方案二:手动转换为JSON字符串
demoService.update(Wrappers.lambdaUpdate(Demo.class)
.set(Demo::getNumAttrs, JSON.toJSONString(demo.getNumAttrs()))
.eq(Demo::getId, demo.getId()));
这种方式需要开发者自行将对象转换为JSON字符串,虽然简单但容易遗漏。
设计考量
MyBatis-Plus之所以采用这种设计,主要基于以下考虑:
- 性能优化:Wrapper更新通常用于部分字段更新,避免加载完整实体,因此不自动应用所有类型处理器
- 灵活性:允许开发者针对特定字段选择不同的处理方式
- 明确性:强制开发者在需要特殊处理时显式声明,避免隐式行为带来的困惑
最佳实践建议
- 对于简单的JSON字段更新,推荐使用updateById方法
- 当需要部分更新且使用Wrapper时,建议采用显式指定类型处理器的方式
- 在团队开发中,应统一JSON字段的处理方式,避免混用不同方案
- 考虑封装工具方法,简化类型处理器的指定过程
总结
MyBatis-Plus对JSON字段的不同处理方式反映了框架在易用性和灵活性之间的权衡。理解这一机制有助于开发者更高效地使用MyBatis-Plus处理复杂数据类型。在实际开发中,应根据具体场景选择合适的更新方式,并保持团队内部的一致性。
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
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217