JeecgBoot v3.7.4 架构升级与技术解析
JeecgBoot作为一款基于代码生成器的低代码开发平台,在最新发布的v3.7.4版本中进行了重大架构升级。本次升级不仅涉及底层框架的全面革新,还对核心功能模块进行了深度优化,为开发者提供了更强大、更稳定的开发体验。
架构升级亮点
本次版本最显著的变化是基础架构的全面升级。项目默认JDK从8升级到了17,同时保持了对JDK8和JDK21的兼容性。这种多版本JDK支持策略既保证了项目的先进性,又兼顾了企业环境的多样性需求。
Web容器方面,从传统的Tomcat切换到了性能更优的Undertow。Undertow作为Red Hat开发的高性能Web服务器,以其轻量级和低内存占用著称,特别适合微服务架构。
在API文档方面,Knife4j升级到了支持OpenAPI 3的SpringDoc实现。这一变化带来了更规范的API文档管理,但开发者需要注意相关注解的变化,特别是@ApiOperation等常用注解的替换。
核心技术栈更新
安全框架方面,Shiro升级至1.13.0版本,配套的shiro-redis也更新到3.2.3,增强了分布式环境下的会话管理能力。同时,Java JWT升级到4.5.0,提供了更安全的令牌机制。
数据库连接池Druid更新到1.2.24,修复了已知的安全问题。日志系统Logback升级到1.2.13,同样以安全性提升为主要目标。
缓存机制也得到增强,@Cacheable注解现在支持约定缓存时间,开发者可以通过"cacheName#seconds"的语法直接指定缓存过期时间,大大简化了缓存配置。
Online低代码模块优化
作为JeecgBoot的核心功能,Online在线开发模块在本版本获得了多项重要改进:
-
数据隔离方面,实现了online表单数据的租户隔离,为多租户应用提供了更好的支持。
-
权限控制更加精细,非admin用户现在可以更安全地进行数据库表导入操作,同时完善了视图新增的权限控制。
-
功能增强方面,报表和popup弹窗支持宽度设置,关联记录可以配置为只读模式,js增强功能提供了更好的代码提示。
-
稳定性方面,修复了主子表编辑时的ID冲突问题,解决了同步表时的排序异常,优化了表单删除确认流程。
其他重要改进
分布式锁机制得到优化,@JLock注解现在支持自动续期功能,解决了长时间任务可能出现的锁过期问题。数据权限方面,修复了部门权限查询中的逻辑缺陷,使权限控制更加精确。
前端方面,解决了表格滚动时合计行错位的问题,优化了BasicUpload组件的文件格式限制逻辑,改进了图片预览功能对特殊字符的处理能力。
代码生成器也进行了多项修复,包括解决List.vue文件生成错误、导出功能参数转换等问题,使生成的代码更加可靠。
升级建议
对于计划升级到v3.7.4的用户,建议特别注意以下几点:
-
API文档注解的变化需要按照规范进行相应修改
-
JDK版本需要评估,虽然支持多版本,但建议优先考虑JDK17以获得最佳性能
-
分布式锁的使用方式有所变化,需要检查相关业务逻辑
-
数据权限配置需要重新验证,特别是部门权限相关功能
本次升级标志着JeecgBoot向现代化技术栈又迈出了坚实的一步,为开发者提供了更强大、更安全的低代码开发平台。无论是新项目启动还是现有系统升级,v3.7.4版本都值得考虑。
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