Jeecg-Boot项目中sys_gateway_route表缺少del_flag字段的解决方案
在Jeecg-Boot 3.7.1版本中,部分开发者遇到了一个关于sys_gateway_route表的SQL查询错误。这个错误是由于系统尝试查询一个不存在的del_flag字段导致的。本文将详细分析这个问题,并提供完整的解决方案。
问题分析
当系统执行网关路由查询时,会尝试从sys_gateway_route表中获取包含del_flag字段的数据。然而在早期版本的Jeecg-Boot中,这个表结构设计时可能遗漏了该字段,导致出现"Unknown column 'del_flag'"的错误。
del_flag字段在Jeecg-Boot框架中是一个标准字段,用于实现逻辑删除功能。它通常是一个tinyint类型,默认值为0,表示未删除状态。缺少这个字段会导致框架的标准查询逻辑无法正常工作。
解决方案
针对这个问题,Jeecg-Boot官方已经在新版本中修复。开发者可以采取以下两种解决方案:
-
执行增量SQL:根据官方提供的SQL脚本,手动为sys_gateway_route表添加del_flag字段。这个字段应该与框架其他表的del_flag字段保持一致的属性。
-
升级到最新版本:直接下载Jeecg-Boot的最新版本,其中已经包含了完整的表结构定义,可以避免此类问题。
实施建议
对于正在使用Jeecg-Boot 3.7.1版本的开发者,建议优先考虑执行增量SQL的方案,这样可以最小化对现有系统的影响。执行SQL前,请确保备份数据库,并验证SQL语句的正确性。
对于新项目,建议直接使用Jeecg-Boot的最新版本,以获得最完整的功能支持和最佳的性能表现。
总结
这个问题的出现提醒我们在使用开源框架时,需要注意版本间的差异,特别是数据库表结构的变化。Jeecg-Boot团队对此问题的快速响应也体现了项目的活跃度和维护质量。开发者在使用过程中遇到类似问题时,可以参考官方文档或社区讨论获取最新的解决方案。
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