MyBatis-Plus-Generator-UI 项目配置与使用深度解析
项目配置存储优化
在MyBatis-Plus-Generator-UI项目中,默认配置文件的存储位置存在一个常见痛点:当项目移动或更换开发环境时,用户配置容易丢失。这是因为默认实现将配置文件存储在系统用户目录下(user.home)。
通过修改UserConfigStore.java类中的afterPropertiesSet方法,我们可以将配置存储位置调整为项目根目录。这一改动不仅解决了配置丢失问题,还使得项目配置能够随代码库一起版本控制,便于团队协作开发。
public void afterPropertiesSet() throws Exception {
// 原实现:存储在系统用户目录
// this.storeDir = PathUtil.joinPath(System.getProperty("user.home"), CONFIG_HOME, generatorConfig.getBasePackage());
// this.userConfigPath = this.storeDir + File.separator + "user-config.json";
// 修改后:存储在项目根目录
this.storeDir = PathUtil.joinPath(System.getProperty("user.dir"));
this.userConfigPath = this.storeDir + File.separator + "user-config.json";
}
模板管理最佳实践
模板管理是代码生成器的核心功能之一。针对不同项目需求,建议采用以下模板管理策略:
- 分层管理:将当前项目使用的模板放在最外层目录,确保直接可用
- 分类归档:为不常用的模板创建专用文件夹进行分类存放
- 保留原始:始终保持原始模板的完整性,作为基准参考
这种管理方式既保证了常用模板的便捷访问,又维护了模板库的完整性和可追溯性。
配置持久化机制
项目的配置保存机制遵循以下流程:
- 启动项目并通过浏览器访问UI界面
- 在界面完成各项配置设置
- 执行保存操作后,配置将持久化到
user-config.json文件 - 后续启动会自动加载已保存的配置
这一机制确保了开发环境的连续性,避免了重复配置的繁琐工作。
SQL生成类定制技巧
在DtoStrategyForm.vue组件中,handleMapperMethodInput方法控制着SQL语句生成的关键逻辑。开发者可以通过修改此方法实现:
- 自定义生成SQL的条件语句
- 调整返回实体类的命名规则
- 指定生成代码的模块位置
这一灵活性使得生成的代码能够完美适配各种项目架构和编码规范。
分页功能通用化改造
原生的分页处理存在一定局限性。通过改造SqlGeneratorService类,我们可以实现更灵活的分页支持:
// 修改前:强制返回Page类型
// .returnType(returnType)
// 修改后:支持返回List或Page类型
String lastReturnType = returnType.replaceFirst("List","Page");
JavaClassMethodInfo methodInfo = JavaClassMethodInfo.builder()
.classRef(daoClassRef)
.methodName(config.getMapperMethod())
.returnType(lastReturnType)
.importJavaTypes(imports)
.params(methodParams)
.build();
javaClassParser.addMethod2Interface(methodInfo);
这一改进使得生成的Mapper方法既可以支持分页查询,也可以用于普通列表查询,大大提高了代码的复用性。
常见问题修复
在AutoCompleteService类中存在一个参数顺序错误的Bug:
// Bug修复前
// doSearch(new File(mapperRootPath), DOT_XML, searchKey, hitNames);
// Bug修复后
doSearch(new File(mapperRootPath), searchKey, DOT_XML, hitNames);
正确的参数顺序确保了XML文件的搜索功能正常工作,这是使用代码生成功能的基础保障。
高效使用技巧
基于实际项目经验,总结出以下高效使用流程:
- 初始化配置:选择一个测试表,生成空配置(不选择任何选项)
- 设置项目路径:刷新并指定目标项目的绝对根路径
- 生成SQL语句:在确认基础配置正确后,生成所需的SQL语句
这种分步操作方式避免了配置混乱,确保了生成代码的准确性和一致性。通过掌握这些技巧和优化点,开发者可以充分发挥MyBatis-Plus-Generator-UI的潜力,显著提升开发效率。
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