Mybatis-Plus自定义SQL注入器实现批量插入功能
背景介绍
Mybatis-Plus作为Mybatis的增强工具,提供了许多便捷的CRUD操作方法。但在实际开发中,我们经常需要扩展一些自定义的SQL操作方法。本文将详细介绍如何在Mybatis-Plus中通过自定义SQL注入器来实现批量插入功能。
核心概念
SQL注入器(SqlInjector)
SQL注入器是Mybatis-Plus中负责向Mapper接口注入SQL方法的组件。DefaultSqlInjector是默认实现,包含了Mybatis-Plus提供的所有基础CRUD方法。
自定义方法(AbstractMethod)
AbstractMethod是Mybatis-Plus中所有SQL方法的抽象基类,我们需要继承它来实现自定义的SQL逻辑。
实现步骤
1. 创建自定义SQL方法类
首先需要创建一个继承自AbstractMethod的类,实现批量插入逻辑:
public class InsertBatchSomeColumn extends AbstractMethod {
@Override
public MappedStatement injectMappedStatement(Class<?> mapperClass, Class<?> modelClass, TableInfo tableInfo) {
// 这里实现SQL语句构建逻辑
String sql = "<script>INSERT INTO %s %s VALUES %s</script>";
// 具体实现省略...
return this.addInsertMappedStatement(mapperClass, modelClass, "insertBatchSomeColumn", sql, tableInfo);
}
}
2. 扩展默认SQL注入器
创建自定义的SQL注入器,将我们的批量插入方法添加到方法列表中:
@Component
public class InsertBatchSqlInjector extends DefaultSqlInjector {
@Override
public List<AbstractMethod> getMethodList(Class<?> mapperClass, TableInfo tableInfo) {
// 保留原有的方法
List<AbstractMethod> methodList = super.getMethodList(mapperClass, tableInfo);
// 添加自定义方法
methodList.add(new InsertBatchSomeColumn());
return methodList;
}
}
3. 创建基础Mapper接口
定义一个扩展了BaseMapper的接口,声明我们的批量插入方法:
public interface MyBaseMapper<T> extends BaseMapper<T> {
/**
* 批量插入方法
* @param batchList 实体对象集合
* @return 影响行数
*/
int insertBatchSomeColumn(Collection<T> batchList);
}
4. 业务Mapper继承自定义接口
在实际的业务Mapper中继承我们自定义的基础Mapper:
public interface DemoMapper extends MyBaseMapper<Demo> {
// 可以添加其他业务方法
}
注意事项
-
配置自动生效:在Spring Boot环境中,只要将自定义的SqlInjector声明为Spring组件(@Component),Mybatis-Plus会自动发现并使用它,无需手动配置。
-
方法命名:自定义方法名需要与MappedStatement中的id保持一致,否则会出现"Invalid bound statement"错误。
-
SQL注入:在实现自定义SQL方法时,要注意防止SQL注入风险,特别是处理动态SQL时。
-
性能考虑:批量操作时要注意数据量大小,避免单次操作数据量过大导致性能问题。
常见问题解决
如果在使用过程中遇到"Invalid bound statement"错误,可以检查以下几点:
- 确认自定义方法是否正确定义在Mapper接口中
- 检查SqlInjector是否被正确加载
- 验证方法名是否在MappedStatement中保持一致
- 确保没有重复配置SqlInjector
通过以上步骤,我们就可以在Mybatis-Plus中成功扩展自定义的批量插入方法,既保留了框架原有的便捷性,又满足了特定业务场景的需求。
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-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