JimuReport项目中使用Spring Boot 3时缓存参数问题的解决方案
问题背景
在使用JimuReport项目的BI大屏功能时,当用户点击设计按钮时,系统抛出了一个关于缓存操作的异常。异常信息提示:"Null key returned for cache operation",并建议如果使用命名参数,需要确保编译器使用了'-parameters'标志。
异常分析
这个异常通常发生在Spring框架的缓存注解(如@Cacheable)中,当使用SpEL表达式引用方法参数作为缓存键时。在Spring Boot 3环境下,如果没有正确配置编译器参数,可能会导致方法参数名无法被正确识别,从而产生空键的问题。
具体到JimuReport项目中,这个异常出现在org.jeecg.modules.drag.service.a.i.getOneOnlPage方法的缓存操作中。该方法尝试使用#id作为缓存键,但由于参数名未被正确识别,导致键为空。
解决方案
经过项目维护者的确认,这个问题可以通过升级相关依赖版本来解决。具体需要将jimubi-spring-boot3-starter的版本升级到1.9.5:
<dependency>
<groupId>org.jeecgframework.jimureport</groupId>
<artifactId>jimubi-spring-boot3-starter</artifactId>
<version>1.9.5</version>
</dependency>
技术原理
这个问题的根本原因在于Java编译器的行为变化。默认情况下,Java编译器不会保留方法参数名信息,除非显式指定-parameters编译选项。Spring框架在解析缓存注解中的SpEL表达式时,需要能够访问方法参数名来正确构造缓存键。
在Spring Boot 3中,这个问题变得更加明显,因为框架对参数名的处理方式有所变化。升级到1.9.5版本的starter后,这个问题得到了解决,可能是因为:
- 新版本中调整了缓存配置,不再依赖参数名
- 或者新版本中包含了必要的编译器配置
- 也可能是修复了参数名处理的逻辑
最佳实践
对于类似的问题,开发者可以采取以下措施:
- 确保使用最新的稳定版本依赖
- 在开发环境中配置编译器保留参数名信息
- 对于缓存操作,考虑使用显式的键生成策略
- 在复杂的缓存场景中,实现自定义的KeyGenerator
总结
JimuReport项目在Spring Boot 3环境下遇到的这个缓存参数问题,通过简单的依赖版本升级即可解决。这提醒我们在使用框架时,及时关注官方更新和修复,可以避免很多潜在的兼容性问题。同时,理解框架底层的工作原理,有助于更快地定位和解决类似的技术难题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃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
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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-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- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00