Spring Data JPA中FluentQuery.page()方法排序行为解析
2025-06-26 14:25:37作者:丁柯新Fawn
问题背景
在Spring Data JPA的Fluent API使用过程中,开发者发现fluentQuery.page(Pageable pageable)方法在处理排序逻辑时存在一个值得注意的行为:该方法没有自动考虑Pageable参数中包含的排序信息(Pageable.sort)。这意味着如果开发者希望在分页查询中应用排序,必须显式调用sortBy()方法,否则排序条件将被忽略。
技术分析
Spring Data JPA团队确认这是一个需要修复的bug。根据项目维护者的解释,按照Javadoc的说明,Pageable.sort本应覆盖任何先前通过sortBy()方法指定的排序条件(前提是Pageable中的排序不是未排序状态)。同时,Pageable.getPageSize()也会覆盖之前通过limit(int)设置的任何限制。
解决方案
Spring Data JPA团队已经修复了这个问题,现在Pageable.sort会正确覆盖之前通过sortBy()设置的任何排序条件。这一变更确保了:
- 当传入已排序的
Pageable时,查询将优先使用Pageable中的排序条件 - 使用
Page.nextPageable()进行后续分页时,会正确应用Pageable.sort中的排序信息 - 任何先前通过
sortBy()设置的排序条件都会被覆盖(只要Pageable.sort不是未排序状态)
使用示例
修复后,开发者可以更灵活地使用Fluent API进行分页查询:
// 显式指定sortBy()再调用page()
public Page<ExampleEntity> findAll(Specification<ExampleEntity> filters, PageRequest pageRequest) {
return voucherRepository.findBy(filters, fetchable ->
fetchable.project("someAttribute")
.sortBy(pageRequest.getSort())
.page(pageRequest));
}
// 仅调用page(),自动应用Pageable中的排序
public Page<ExampleEntity> findAll(Specification<ExampleEntity> filters, PageRequest pageRequest) {
return voucherRepository.findBy(filters, fetchable ->
fetchable.project("someAttribute")
.page(pageRequest));
}
最佳实践
基于这一修复,建议开发者:
- 如果只需要简单的分页加排序,直接使用
page(Pageable)方法即可,无需额外调用sortBy() - 如果需要构建更复杂的查询逻辑,注意
Pageable.sort会覆盖之前设置的任何排序条件 - 在使用
Page.nextPageable()进行分页导航时,可以放心依赖Pageable中的排序信息
这一改进使得Spring Data JPA的Fluent API在处理分页和排序时更加一致和符合直觉,减少了开发者的认知负担和潜在的误用可能。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
296
2.64 K
Ascend Extension for PyTorch
Python
128
149
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
607
190
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
589
127
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
611
仓颉编译器源码及 cjdb 调试工具。
C++
122
482
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
178
62
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
454