Sqltoy 5.6.42 版本发布:优化分组查询与日志输出
Sqltoy 是一个高性能的 Java ORM 框架,专注于简化数据库操作并提升开发效率。它提供了丰富的特性,包括智能缓存、分页优化、并行查询等,帮助开发者以更简洁的方式处理复杂的数据操作场景。最新发布的 5.6.42 版本带来了两个重要的改进,进一步提升了框架的稳定性和易用性。
分组查询功能增强
在数据查询中,分组操作是非常常见的需求。Sqltoy 提供了强大的 link 功能来实现结果集的分组处理。在 5.6.42 版本中,修复了一个关于分组结果处理的边界条件问题。
当使用 link 功能将查询结果按照指定列分组,并将分组结果收集为 List 或 Set 类型时,如果最后一组数据恰好只有一条记录,之前的版本可能会遗漏处理这条记录。这个问题在 5.6.42 版本中得到了彻底修复。
例如,在权限管理系统中查询资源对应的角色时,我们通常会使用如下 SQL 配置:
<sql id="common_resourceRoles" debug="false" dataSource="portalDataSource">
<link id-columns="res_url" columns="role_code" distinct="true" result-type="SET"/>
<value>
<![CDATA[
select
t3.res_url,
t2.role_code
from SAG_ROLE_RESOURCES t1
left join sag_resource t3 on t3.res_id=t1.res_id
left join sag_role t2 on t2.role_id=t1.role_id
where t3.res_url is not null and t3.NODE_LEVEL >= 3
and t3.status=1
and t1.status=1
and t3.app_code=:appCode
order by t3.res_url
]]>
</value>
</sql>
在这个例子中,我们按照资源 URL (res_url) 分组,收集每个资源对应的角色代码 (role_code),并使用 distinct="true" 确保角色代码不重复。5.6.42 版本确保即使最后一组数据只有一条记录,也会被正确处理并包含在最终结果中。
日志输出优化
调试 SQL 语句是开发过程中的常见需求,清晰的日志输出能极大提高调试效率。5.6.42 版本对日志输出进行了优化,特别是对日期和时间类型参数的处理。
在之前的版本中,当日志输出包含日期或时间参数时,这些参数会以原始格式显示,不利于直接复制到数据库客户端中执行。新版本中,日期和时间类型的参数会自动添加适当的转换函数,使输出的 SQL 语句可以直接执行。
例如,对于如下查询条件:
query.where("create_time=:createTime")
.param("createTime", new Date());
5.6.42 版本会输出类似如下的日志:
select * from table where create_time=to_date('2024-10-11 12:30:11.039','YYYY-MM-DD HH24:MI:SS.FF3')
这种改进使得开发者在调试时可以更方便地复制 SQL 语句到数据库客户端中执行,无需手动添加日期转换函数,大大提高了开发效率。
版本兼容性
5.6.42 版本提供了对不同 Java 环境的支持:
- 对于 JDK8 用户,需要使用特殊标记的版本:5.6.42.jre8
- 对于更高版本的 JDK,可以直接使用 5.6.42
框架提供了多种集成方式,开发者可以根据项目使用的技术栈选择合适的依赖:
对于非 Spring 项目:
<dependency>
<groupId>com.sagframe</groupId>
<artifactId>sagacity-sqltoy</artifactId>
<version>5.6.42</version>
</dependency>
对于 Spring Boot 项目:
<dependency>
<groupId>com.sagframe</groupId>
<artifactId>sagacity-sqltoy-spring-starter</artifactId>
<version>5.6.42</version>
</dependency>
对于 Solon 框架用户:
<dependency>
<groupId>com.sagframe</groupId>
<artifactId>sagacity-sqltoy-solon-plugin</artifactId>
<version>5.6.42</version>
</dependency>
总结
Sqltoy 5.6.42 版本虽然是一个小版本更新,但带来的改进却非常实用。分组查询功能的修复确保了数据处理的完整性,而日志输出的优化则提升了开发体验。这些改进体现了 Sqltoy 框架对细节的关注和对开发者体验的重视,使得这个本已强大的 ORM 框架变得更加完善和易用。
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