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。
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