Hypersistence Utils中PostgreSQLIntervalType的变更解析
背景介绍
Hypersistence Utils是一个为Hibernate提供额外类型支持的实用工具库,其中包含了对PostgreSQL特有数据类型的处理。在3.9.0版本之前,该库会自动将PostgreSQL的interval类型映射到Java的Duration类,无需额外配置。
变更内容
从3.9.0版本开始,Hypersistence Utils移除了HibernateTypesContributor中对PostgreSQLIntervalType的自动注册。这一变更意味着:
- 之前自动映射Duration到PostgreSQL interval类型的行为不再默认启用
- 现在需要显式使用@Type(PostgreSQLIntervalType.class)注解来指定映射关系
变更原因
这一变更主要是为了与Hibernate 6的原生支持保持一致。Hibernate 6本身已经通过PostgreSQLIntervalSecondJdbcType提供了对Duration属性的支持。为了避免与Hibernate默认行为冲突,Hypersistence Utils决定不再自动覆盖这一默认映射。
解决方案
对于升级到3.9.0及以上版本的用户,有以下几种处理方式:
-
显式使用注解:在实体类的Duration属性上添加@Type(PostgreSQLIntervalType.class)注解
-
使用Hibernate 6原生配置:通过设置hibernate.type.preferred_duration_jdbc_type为INTERVAL_SECOND来启用Hibernate原生的interval支持
# 在Spring Boot应用中的配置示例
spring:
jpa:
properties:
hibernate.type.preferred_duration_jdbc_type: INTERVAL_SECOND
技术细节
PostgreSQL的interval类型可以表示时间间隔,在Java中通常映射为Duration类。Hibernate 6提供了多种处理Duration的方式:
- NUMERIC:默认方式,将Duration转换为数值
- INTERVAL_SECOND:使用PostgreSQL的原生interval类型
- TIME:转换为时间类型
升级建议
- 检查项目中所有使用PostgreSQL interval类型的实体
- 评估是否需要保持原有映射行为
- 根据需求选择显式注解或全局配置
- 在测试环境中充分验证数据映射的正确性
总结
这一变更体现了Hypersistence Utils与Hibernate核心功能逐步融合的趋势。虽然带来了短暂的兼容性问题,但从长远看有助于减少冗余代码和潜在的冲突。开发者在升级时应当注意这一变化,并根据项目需求选择合适的迁移策略。
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