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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00