jOOQ代码生成器对计算列空值约束处理的优化
计算列空值约束的现状
在数据库表设计中,计算列(GENERATED ALWAYS AS)和系统版本控制列(SYSTEM_VERSIONING)是两种常见的自动生成值的列类型。这些列虽然在DDL中被定义为NOT NULL,但实际上它们的值是由数据库系统自动计算或维护的,应用程序在插入数据时不应该也不需要为这些列提供值。
然而,在jOOQ 3.19.18及更早版本中,代码生成器在处理这类列时存在一个设计缺陷:它会为这些列生成非空约束的Kotlin属性,导致开发者必须为这些实际上应该自动生成的列提供值,这与数据库的实际行为不符。
问题具体表现
以一个系统版本控制表为例:
CREATE TABLE [reference].[InstrumentReferenceData]
(
[InstrumentReferenceDataId] INT IDENTITY(1, 1) NOT NULL,
[ReferenceValue] VARCHAR(200) NOT NULL,
[ModifiedBy] INT NOT NULL,
[ValidFrom] DATETIME2 GENERATED ALWAYS AS ROW START,
[ValidTo] DATETIME2 GENERATED ALWAYS AS ROW END,
PERIOD FOR SYSTEM_TIME(ValidFrom, ValidTo),
CONSTRAINT [PK_InstrumentReferenceData] PRIMARY KEY CLUSTERED (InstrumentReferenceDataId ASC)
)
WITH (SYSTEM_VERSIONING = ON (HISTORY_TABLE = reference.InstrumentReferenceDataHistory));
在Kotlin代码中,开发者期望能够这样创建记录:
val rec = InstrumentreferencedataRecord(0, "", 0)
但实际上,由于代码生成器为ValidFrom和ValidTo生成了非空约束,开发者被迫为这些自动生成的列提供值,这显然是不合理的。
技术背景分析
这个问题涉及两个层面的技术考量:
-
计算列的本质:计算列的值由数据库自动计算得出,应用程序不应也不能提供这些值。这与DEFAULT约束列类似,都是数据库自动维护的列。
-
Kotlin空安全特性:jOOQ的Kotlin集成支持通过配置生成非空属性(isKotlinNotNullRecordAttributes=true),这对于确保类型安全很有帮助,但对于自动生成的列,这种严格性反而成为了负担。
jOOQ的解决方案
jOOQ团队在3.20.0版本中修复了这个问题,主要做了以下改进:
-
计算列的空值处理:现在代码生成器会将计算列视为与DEFAULT约束列或IDENTITY列类似,在生成代码时考虑其实际可空性。
-
系统版本控制列的特殊处理:对于SQL Server的系统版本控制列(ValidFrom/ValidTo),jOOQ会识别它们作为特殊的计算列,确保在代码生成时正确处理其空值约束。
对开发者的影响
这一变更虽然是一个bug修复,但从API兼容性角度看,它实际上是一个不兼容的变更:
-
写入操作:这是一个兼容性改进,使插入操作更符合直觉。
-
读取操作:这是一个不兼容变更,因为之前标记为非空的属性现在可能变为可空类型(尽管实际上这些列的值永远不会为null)。
最佳实践建议
对于使用jOOQ和Kotlin的开发者,建议:
-
升级到3.20.0或更高版本:以获得更合理的计算列处理。
-
理解自动生成列的特性:区分哪些列是应用需要提供的,哪些是由数据库自动维护的。
-
谨慎处理版本升级:由于这是一个不兼容变更,升级后需要检查所有相关代码,特别是涉及计算列读取操作的部分。
未来发展方向
jOOQ团队还在考虑进一步增强对系统版本控制表的支持,包括:
-
更好的周期信息生成:为系统版本控制表生成更丰富的元数据信息。
-
专用API支持:可能为时间旅行查询(FOR SYSTEM_TIME AS OF等)提供更友好的API支持。
这些改进将进一步提升jOOQ在处理现代数据库特性时的开发体验和类型安全性。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00