Bean Searcher 4.4.0 版本发布:增强参数解析与全新Label功能
Bean Searcher 是一个专注于简化数据库查询的Java开源框架,它通过注解和简单的API让开发者能够快速构建复杂的查询条件,同时保持代码的简洁性。最新发布的4.4.0版本带来了多项重要改进,特别是新增的Label功能为微服务架构下的数据关联查询提供了优雅解决方案。
参数解析能力增强
4.4.0版本在参数解析方面做了多项改进,使框架能够处理更复杂的请求参数格式:
-
索引数组参数支持:新增的
IndexArrayParamFilter可以解析类似key[0]=v1&key[1]=v2这样的数组参数格式,这在处理前端传递的数组数据时特别有用。开发者可以通过配置项bean-searcher.params.filter.use-index-array来启用这一功能。 -
后缀操作符增强:
SuffixOpParamFilter现在支持将大小写敏感控制合并到参数中,例如使用name-ct-ic=xxx这样的参数格式可以同时指定包含条件和不区分大小写。 -
元数据缓存控制:
MetaResolver新增了clearCache()方法,允许开发者在必要时手动清除BeanMeta缓存,这在动态修改实体类结构时非常有用。
组合注解支持与工具类
新版本增强了注解处理能力:
-
@DbIgnore扩展:现在可以将
@DbIgnore标注在其他自定义注解上,使这些注解自动具备忽略数据库字段的功能,这提高了代码的可读性和复用性。 -
AnnoUtils工具类:新增的这个工具类专门用于解析组合注解,简化了复杂注解场景下的开发工作。
重磅功能:Bean Searcher Label
4.4.0版本引入了全新的Label功能,这是本次更新的最大亮点:
-
@LabelFor注解:这个继承自
@DbIgnore的注解允许开发者标记Label字段。例如,可以将statusName字段标记为枚举status的Label,或者在微服务架构下,将订单服务中的username字段标记为用户服务中userId字段的Label。 -
LabelLoader接口:这个灵活的接口允许开发者自定义Label的加载逻辑,无论是从本地缓存还是远程服务获取数据。框架提供了默认的
EnumLabelLoader实现,专门用于加载枚举类型的Label。 -
枚举Label支持:通过
EnumLabelLoader,开发者可以轻松配置需要在SearchBean中被解析的所有枚举及其对应的Label获取逻辑。例如:
@Bean
public EnumLabelLoader enumLabelLoader() {
return new EnumLabelLoader()
.with(UserType.class, UserType::getLabel)
.with(UserStatus.class, UserStatus::getLabel);
}
框架集成改进
针对Spring Boot和Solon框架的starter包也同步更新:
-
配置项统一:两个starter都新增了
bean-searcher.params.filter.use-index-array配置项,用于控制索引数组参数的解析功能。 -
自动化配置:Label功能的自动化配置被集成到starter中,开发者只需定义相应的Bean即可使用Label功能,无需额外配置。
总结
Bean Searcher 4.4.0版本通过增强参数解析能力和引入创新的Label功能,进一步简化了复杂查询场景下的开发工作。特别是Label功能的加入,为微服务架构下的跨服务数据关联查询提供了优雅的解决方案,避免了传统方案中的复杂编码和性能问题。这些改进使得Bean Searcher在保持简洁API的同时,能够应对更广泛的业务场景需求。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00