JeecgBoot积木报表数据源保存报错问题分析与解决
问题现象
在使用JeecgBoot积木报表1.6.6版本时,用户在新增报表并配置数据源后,尝试保存数据源时系统报错,提示"iz_shared_source字段不能为空"的错误信息。
问题原因分析
经过深入分析,这个问题实际上是由于版本升级不完整导致的。具体原因如下:
-
新增字段引入:在积木报表1.9.0版本中,开发团队新增了共享数据集功能,为了支持这一功能,在数据库表中添加了
iz_shared_source字段。 -
版本升级不完整:用户当前使用的是1.6.6版本,但可能部分代码或配置已经升级到了1.9.0的特性,而数据库结构却没有同步更新。
-
字段约束冲突:系统在保存数据源时,会检查这个新增的
iz_shared_source字段,但由于数据库表中缺少该字段,导致系统无法完成保存操作。
解决方案
要解决这个问题,需要采取以下步骤:
-
执行数据库升级脚本:找到1.9.0版本的升级SQL脚本,执行其中的表结构变更语句,为相关表添加
iz_shared_source字段。 -
完整版本升级:建议将系统完整升级到1.9.0版本,确保代码和数据库结构的一致性。
-
临时解决方案:如果暂时无法升级,可以手动在数据库中为相关表添加该字段:
ALTER TABLE 表名 ADD COLUMN iz_shared_source tinyint(1) DEFAULT 0 COMMENT '是否共享数据源';
预防措施
为了避免类似问题再次发生,建议:
-
规范升级流程:在升级报表系统时,务必按照官方文档的升级指南操作,特别是要执行相应的SQL升级脚本。
-
版本一致性检查:升级后应验证代码版本与数据库版本是否匹配。
-
备份机制:在执行升级操作前,做好数据库和代码的完整备份。
技术背景
积木报表的共享数据集功能是1.9.0版本引入的重要特性,它允许用户创建可在多个报表间共享的数据源配置,提高了报表开发的效率和一致性。iz_shared_source字段正是用来标识一个数据源是否为共享数据源的关键字段。
总结
数据库表结构与代码版本不匹配是开发中常见的问题,特别是在迭代升级过程中。通过这个问题,我们认识到在系统升级时保持代码和数据库同步的重要性。对于使用积木报表的开发者来说,遵循官方的升级指南,按步骤执行升级操作,可以有效避免此类问题的发生。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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