MyBatis-Plus 数据库字段名与实体类属性名映射问题解析
2025-05-13 04:59:26作者:平淮齐Percy
问题背景
在使用 MyBatis-Plus 进行开发时,开发者可能会遇到数据库字段名与实体类属性名映射不一致的问题。具体表现为:数据库表字段采用驼峰命名法(如 loginName),但在执行查询时,MyBatis-Plus 自动生成的 SQL 语句却将字段名转换为下划线格式(如 login_name),导致 SQL 执行失败。
问题原因分析
MyBatis-Plus 默认启用了字段名策略转换功能,这是为了兼容不同数据库的命名规范。默认情况下,MyBatis-Plus 会将 Java 实体类的驼峰命名属性自动转换为数据库的下划线命名格式。这种设计虽然符合大多数 Java 开发者的习惯,但在某些特殊场景下(如数据库字段本身就是驼峰命名)反而会造成问题。
解决方案
方案一:启用表字段注解
在实体类生成配置中,添加 enableTableFieldAnnotation() 配置:
new AutoGenerator().setGlobalConfig(builder -> {
builder.enableTableFieldAnnotation();
});
这种方法会为每个字段生成 @TableField 注解,明确指定数据库字段名,避免自动转换。
方案二:修改命名策略
通过配置命名策略为 NamingStrategy.no_change,可以禁用自动转换功能:
new AutoGenerator().setStrategy(new StrategyConfig.Builder()
.entityBuilder()
.columnNaming(NamingStrategy.no_change)
.build());
这种方式会保持数据库字段名与实体类属性名完全一致,不做任何转换。
深入理解
MyBatis-Plus 的字段名映射机制实际上包含两个层面:
- 代码生成层面:通过代码生成器配置决定是否生成
@TableField注解以及如何处理命名转换 - 运行时层面:MyBatis-Plus 核心会根据实体类配置决定如何构建 SQL 语句
当两种层面的配置不一致时,就可能出现上述问题。因此,开发者需要确保代码生成配置与运行时需求保持一致。
最佳实践建议
- 对于新项目,建议统一数据库命名规范(推荐下划线命名法)
- 对于已有系统改造,根据实际情况选择上述解决方案
- 在团队开发中,应在项目文档中明确命名转换策略
- 对于混合命名风格的数据库,推荐使用
@TableField注解显式指定字段名
总结
MyBatis-Plus 的字段名自动转换功能虽然方便,但在特殊场景下需要开发者手动干预。理解其背后的工作机制,合理配置命名策略,可以避免类似问题的发生,提高开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217