Jeecg-Boot项目中sys_announcement_send表主键缺失问题分析与解决方案
2025-05-02 00:13:23作者:范靓好Udolf
问题背景
在Jeecg-Boot 3.7.1版本中,系统公告发送记录表(sys_announcement_send)存在一个潜在的设计缺陷。该表在SQL建表语句中没有明确定义主键,但在对应的Java实体类中却定义了@Id注解,这种不一致性导致了数据库操作时可能出现并发问题。
问题现象
当多个用户同时操作公告阅读状态时,系统会出现MySQL死锁现象。具体表现为:
- 用户多次点击阅读公告时
- 系统执行/editByAnntIdAndUserId接口更新阅读状态
- 由于缺乏主键约束,MySQL会产生记录锁冲突
- 最终导致事务相互等待,形成死锁
技术分析
数据库层面
sys_announcement_send表在没有主键的情况下,MySQL会隐式创建一个聚簇索引(gen_clust_index)。这种隐式索引会导致:
- 查询效率降低:没有明确的主键索引,查询需要扫描更多数据
- 锁竞争加剧:更新操作会锁定整行数据而非特定字段
- 并发控制困难:缺乏主键使得乐观锁等机制难以实现
应用层面
Java实体类中定义了@Id注解,但数据库没有对应主键,这种不一致会导致:
- ORM映射混乱:JPA/Hibernate等框架可能无法正确识别实体标识
- 数据完整性风险:可能产生重复记录
- 事务管理问题:更新操作可能锁定不必要的数据范围
解决方案
立即修复方案
执行以下SQL语句为表添加主键:
ALTER TABLE `sys_announcement_send`
MODIFY COLUMN `id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL FIRST,
ADD PRIMARY KEY (`id`);
长期优化建议
-
数据库设计规范:
- 所有表必须显式定义主键
- 主键字段应使用自增或UUID等不可变值
- 复合主键应谨慎使用,优先考虑单一主键
-
开发流程优化:
- 数据库变更应纳入版本控制
- 建立数据库设计评审机制
- 实现数据库与代码模型的同步检查
-
性能优化:
- 为频繁查询条件添加适当索引
- 考虑读写分离设计减轻主表压力
- 对大表进行分区设计
技术原理深入
MySQL索引与锁机制
当表没有主键时,MySQL会使用隐式的ROW_ID作为聚簇索引键。这种设计会导致:
- 每次插入都需要查找ROW_ID的最大值,影响写入性能
- 二级索引会引用ROW_ID而非业务主键,增加索引大小
- 锁粒度变粗,容易引发锁竞争
JPA实体映射原理
JPA规范要求实体类必须有一个主键字段。当数据库表没有主键时:
- Hibernate会尝试猜测主键列
- 可能导致N+1查询问题
- 缓存机制可能失效
- 关联关系映射可能出错
最佳实践
-
数据库设计:
- 使用业务无关的主键(如UUID)
- 避免使用可变字段作为主键
- 主键字段应尽可能短小
-
公告系统优化:
- 实现批量标记已读功能
- 考虑使用Redis缓存未读公告数
- 对历史公告数据进行归档
-
并发控制:
- 使用乐观锁版本控制
- 合理设置事务隔离级别
- 避免长事务
总结
Jeecg-Boot作为优秀的企业级开发框架,其数据库设计规范应得到严格执行。sys_announcement_send表主键缺失问题虽然修复简单,但反映出的设计规范问题值得重视。通过本次问题的分析和解决,我们不仅修复了一个具体缺陷,更应建立起完善的设计评审机制,确保数据库设计与代码模型的一致性,从而提升系统整体的稳定性和性能。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1