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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00