MyBatis-Plus 3.5.11版本发布:动态表处理与代码生成器增强
MyBatis-Plus作为MyBatis的增强工具包,一直以来都致力于简化开发、提高效率。最新发布的3.5.11版本带来了一系列重要的功能增强和问题修复,特别是在动态表处理、代码生成器和DDL脚本执行等方面有了显著改进。
核心功能增强
动态表处理机制优化
本次版本对动态表处理进行了重大改进,新增了基于JsqlParser的动态表处理拦截器DynamicTableNameJsqlParserInnerInterceptor。与传统的DynamicTableNameInnerInterceptor相比,新拦截器提供了更精确的表名解析能力,能够正确处理各种复杂SQL场景下的表名替换需求。
同时,优化了原有的动态表处理逻辑,确保hook能够稳定运行。对于常见的create table if not exists和create [type] index等语句,现在能够更准确地提取表名信息。
代码生成器功能增强
代码生成器模块在本版本中获得了多项增强:
- 支持在非Lombok环境下正确处理链式模型,避免生成不必要的
@Accessors注解 - 新增对Entity类
serialVersionUID字段的@Serial注解支持 - 提供了更灵活的注解处理机制,开发者现在可以自定义字段和类级别的注解处理
- 导包处理也支持自定义,为特殊场景下的代码生成提供了更多可能性
这些改进使得代码生成器能够更好地适应各种项目规范和特殊需求。
数据库支持与兼容性
新增数据库支持
3.5.11版本新增了对崖山数据库的支持,同时改进了Hive2数据库的分页功能。这些变化使得MyBatis-Plus能够更好地服务于使用这些数据库的用户群体。
兼容性调整
值得注意的是,本次版本对Gauss数据库的标识符进行了调整,从GAUSS改为小写的gauss,开发者在使用时需要注意这一变化。
DDL脚本执行改进
DDL相关功能在本版本中获得了显著增强:
- 支持自定义脚本运行器参数,为不同环境下的脚本执行提供了更多配置选项
DdlApplicationRunner现在支持更丰富的参数配置,包括脚本错误处理策略、自定义ScriptRunner以及多处理器执行异常处理方式- 优化了资源加载机制,不再强依赖Spring等特定框架
- 提供了自定义异常处理支持,使开发者能够更灵活地处理脚本执行过程中的问题
这些改进使得数据库初始化和管理更加灵活可靠。
问题修复与性能优化
本次版本修复了多个重要问题,包括:
- 主键使用UUID时批量删除操作错误
- Kotlin环境下
select(predicate)方法调用错误 - 动态SQL解析包含SQL注释导致的合并错误
- 数据变更记录拦截器的数据比较异常
- 非法SQL拦截插件获取catalog与schema错误
在性能优化方面,调整了JsqlParserGlobal的解析线程池配置,移除了多个过时的API,包括FieldStrategy.IGNORED和GlobalConfig.DbConfig#selectStrategy等,使代码更加简洁高效。
未来规划
开发团队在发布说明中透露,由于jsqlParser 5.0与5.1版本之间的兼容性问题不大,计划在未来版本中移除对jsqlParser 5.0的支持模块。长期来看,将主要维护jsqlParser 4.9和支持最新版本的模块,直到需要提升JDK版本为止。
总结
MyBatis-Plus 3.5.11版本在保持稳定性的基础上,带来了多项实用功能增强和重要问题修复。特别是动态表处理机制的改进和代码生成器的增强,将显著提升开发者在复杂场景下的工作效率。对于使用特殊数据库或有定制化需求的团队,这个版本提供了更多可能性。建议开发者评估这些新特性,适时升级以获得更好的开发体验。
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