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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00