JeecgBoot框架中实现表主键自增的增强方案
背景介绍
在JeecgBoot框架中,默认情况下通过online表单功能创建的表会使用UUID作为主键类型。这种设计虽然能保证全局唯一性,但在某些业务场景下并不理想,特别是当业务需要更直观、更易读的数字自增ID时。本文将介绍如何在JeecgBoot框架中通过Java增强功能实现表主键的自增特性。
问题分析
JeecgBoot框架的online表单功能默认生成String类型的UUID主键,这带来了几个问题:
- 可读性差:UUID是一串无意义的字符,不利于人工识别和记忆
 - 排序不便:UUID无法按自然顺序排序
 - 业务需求:某些业务场景需要连续的数字ID
 
解决方案
我们可以利用JeecgBoot提供的CgformEnhanceJavaInter接口来实现插入数据时的主键自增功能。该接口允许开发者在数据插入前后执行自定义逻辑。
实现原理
- 创建一个实现CgformEnhanceJavaInter接口的类
 - 在execute方法中查询当前表的最大ID值
 - 将最大ID值加1后设置为新记录的ID
 - 通过配置指定哪些表需要此功能
 
核心代码实现
@Component("CgformEnhanceInsertSetId")
public class CgformEnhanceInsertSetId implements CgformEnhanceJavaInter {
    // 定义需要自增ID的表名映射
    private static final Map<String, Integer> predefinedMap;
    // 静态初始化块,配置需要自增ID的表
    static {
        predefinedMap = new HashMap<>();
        predefinedMap.put("库名.表名", 1); // 对应online表单开发中设置的"表名"
        // 可以添加更多需要自增ID的表
    }
    @Autowired
    private JdbcTemplate jdbcTemplate; 
    @Override
    public void execute(String tableName, JSONObject json) throws BusinessException {
        // 检查当前表是否配置了自增ID
        if(predefinedMap.containsKey(tableName)) {
            // 查询当前表的最大ID值
            String sql = "SELECT COALESCE(MAX(id), 0) FROM " + tableName;
            Long maxId = jdbcTemplate.queryForObject(sql, Long.class);
            if (maxId != null) {
                // 设置新记录的ID为最大ID+1
                json.put("id", ++maxId);
            }
        }
    }
}
实现细节解析
- 
表名映射配置:通过predefinedMap静态变量配置需要自增ID的表,键为表名,值可以是任意整数(这里用作标记)
 - 
最大ID查询:使用JdbcTemplate执行SQL查询当前表的最大ID值,COALESCE函数确保当表为空时返回0
 - 
ID自增逻辑:将查询到的最大ID值加1后设置为新记录的ID
 - 
线程安全考虑:在高并发环境下,这种实现可能存在并发问题,需要根据业务场景评估是否需要额外处理
 
扩展与优化
- 
分布式环境支持:在分布式系统中,可以考虑使用分布式ID生成器如雪花算法
 - 
性能优化:对于高频插入的表,可以缓存当前最大ID值,减少数据库查询
 - 
异常处理:增强异常处理逻辑,确保在表结构变更等情况下系统能正常处理
 - 
配置化:可以将表名映射配置移到配置文件中,实现更灵活的配置
 
使用建议
- 
此方案适用于中小型系统或并发不高的场景
 - 
对于核心业务表,建议评估并发风险并考虑使用更健壮的ID生成方案
 - 
在分库分表场景下,需要采用其他ID生成策略
 - 
实施前应充分测试,确保与现有业务逻辑兼容
 
通过这种增强实现,开发者可以在保持JeecgBoot框架原有功能的同时,灵活地满足业务对自增ID的需求,平衡了框架规范与业务实际需要之间的矛盾。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
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
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-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00