从lcomment/development-recipes项目看JPA实体类为何要避免使用Setter方法
2025-06-25 13:14:46作者:戚魁泉Nursing
前言
在JPA实体类设计中,是否应该使用Setter方法一直是一个值得讨论的话题。本文将从实际开发角度出发,结合lcomment/development-recipes项目中的经验,深入分析为什么在JPA实体类中要避免使用Setter方法,以及如何更优雅地实现实体类的更新操作。
为什么应该避免在Entity中使用Setter
1. 代码意图不明确
考虑以下代码示例:
Board board = new Board();
board.setId(1L);
board.setTitle("Test Title");
board.setContent("This is sample Board");
这段代码存在几个问题:
- 我们无法从代码本身判断这是在创建一个新对象还是修改现有对象
- 每个属性的设置都是独立的,缺乏整体性
- 当实体类属性增多时,这种分散的设置方式会使代码可读性急剧下降
2. 破坏对象的一致性
public Board update(Long id) {
Board board = findById(id);
board.setTitle("set title");
board.setContent("set content");
return board;
}
这种实现方式的问题在于:
- 公共的Setter方法使得任何地方都可以修改实体状态
- 无法控制修改的逻辑和顺序
- 可能导致实体处于不一致的状态(比如只设置了部分属性)
- 业务规则难以集中维护
更优雅的实现方式
1. 使用专门的更新方法
@Entity
@NoArgsConstructor(access = AccessLevel.PROTECTED)
public class Board {
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
private Long id;
@Column(nullable = false)
private String title;
@Column(nullable = false)
private String content;
@Builder
public Board(String title, String content) {
this.title = title;
this.content = content;
}
public Board update(String title, String content) {
this.title = title;
this.content = content;
return this;
}
}
这种实现方式的优势:
- 更新逻辑集中在实体内部,便于维护
- 可以确保更新后的实体始终处于一致状态
- 方法命名明确表达了意图
- 配合JPA的Dirty Checking机制,能自动检测变更
2. 使用建造者模式
当实体属性较多时,建议使用建造者模式:
@Entity
@NoArgsConstructor(access = AccessLevel.PROTECTED)
public class Board {
// 属性和注解
@Builder
public Board(String title, String content, String author,
LocalDateTime createTime, Integer viewCount) {
// 初始化逻辑
}
}
// 使用方式
Board board = Board.builder()
.title("Test Title")
.content("Sample Content")
.author("John Doe")
.build();
建造者模式的优点:
- 避免过长的构造器参数列表
- 可以灵活地设置部分属性
- 保持对象创建的一致性和完整性
最佳实践建议
-
尽量将修改逻辑封装在实体内部:为每个需要修改的场景提供专门的方法
-
使用有意义的命名:如
changeTitle()、increaseViewCount()等,明确表达方法意图 -
保护不变性:对于不应被修改的属性(如ID、创建时间等),不要提供任何修改方法
-
考虑值对象:对于复杂的属性,可以考虑使用值对象来封装相关属性和行为
-
验证逻辑集中化:在修改方法中加入必要的验证逻辑,确保实体始终处于有效状态
总结
在JPA实体设计中,避免使用公共Setter方法是一种值得提倡的实践。通过将修改逻辑封装在实体内部,我们能够:
- 提高代码的可读性和可维护性
- 确保实体状态的一致性
- 更清晰地表达业务意图
- 减少意外修改的风险
lcomment/development-recipes项目中的这一实践为我们提供了很好的参考,值得在JPA开发中推广应用。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220