SpringDoc OpenAPI 2.4.0版本中Sort字段类型变更解析
在Spring生态系统中,SpringDoc OpenAPI是一个广泛使用的库,用于自动生成API文档。最近从2.3.0升级到2.4.0版本后,开发者们发现了一个值得注意的变化:Page接口中的sort字段在生成的OpenAPI文档中从对象类型变成了数组类型。
问题背景
Spring Data JPA中的Page接口是用于分页查询结果的常用接口,它包含了分页相关的各种元数据信息,如当前页码、每页大小、总页数等。其中sort字段用于表示排序信息。
在SpringDoc OpenAPI 2.3.0版本中,sort字段被生成为一个SortObject类型的对象。但在2.4.0版本中,同样的字段被生成为一个SortObject类型的数组。
技术分析
这种变化实际上是对Spring Data分页功能更准确的反映。虽然Page接口的getSort()方法返回的是单个Sort对象,但Sort对象本身可以包含多个排序条件(Order)。在Spring Data中,开发者可以通过Sort.by()方法传入多个排序字段,这正是sort字段应该被表示为数组的根本原因。
例如,在业务代码中我们经常会看到这样的排序用法:
Sort sort = Sort.by("name").ascending().and(Sort.by("age").descending());
这种情况下,单个Sort对象实际上包含了两个排序条件:按姓名升序和按年龄降序。因此,在API文档中将sort表示为数组能更准确地反映其实际数据结构。
影响范围
这一变化主要影响以下场景:
- 使用Page作为返回类型的控制器方法
- 依赖自动生成的OpenAPI文档的前端代码
- 基于OpenAPI文档生成的客户端代码
解决方案
对于已经升级到2.4.0版本的用户,如果前端代码依赖于之前的文档结构,可以考虑以下解决方案:
- 保持前端代码不变,通过自定义OpenAPI配置将sort字段恢复为对象类型
- 更新前端代码,正确处理sort字段的数组形式
- 在DTO层进行转换,避免直接暴露Page接口
最佳实践
考虑到Spring Data的设计理念和实际使用场景,建议开发者接受这一变更,因为:
- 它更准确地反映了Sort对象的实际能力
- 符合REST API设计原则中的"准确表达"原则
- 为多字段排序提供了更好的文档支持
- 保持了与Spring Data功能的一致性
总结
SpringDoc OpenAPI 2.4.0中对sort字段类型的变更是一个积极的改进,它使生成的API文档更准确地反映了底层框架的实际行为。开发者在升级后应当检查相关的前端代码,确保它们能够正确处理sort字段的数组形式。这一变化虽然可能带来一些适配工作,但从长远来看,它能提供更准确的API文档和更好的开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00