SAP OpenUI5 中 OData V4 扩展查询的正确使用方式
问题背景
在使用 SAP OpenUI5 框架开发应用程序时,开发者经常需要处理 OData V4 服务的数据绑定和导航属性扩展。一个常见场景是在主从视图结构中,通过扩展查询(expand)来一次性获取主实体及其关联的子实体数据。
关键错误现象
开发者在使用 OpenUI5 1.123.0 版本时,遇到了一个典型问题:当尝试通过 bindObject 方法绑定一个主实体并扩展其关联实体时,虽然服务端返回了正确的 JSON 数据,但在后续操作中(如获取扩展实体的规范路径时)却出现了错误提示:"No key predicate known at /Projects(132)/postings/2"。
问题根源分析
经过深入排查,发现问题的根本原因在于 OData V4 查询参数的语法规范。开发者最初使用了以下代码:
this.getView().bindObject({
path: `/Projects(${projectId})`,
parameters: {
expand: "contacts,settlements,postings"
}
});
虽然服务端能够接受并处理这种不带美元符号()前缀。
正确解决方案
修正后的代码应该使用标准的 OData V4 查询语法:
this.getView().bindObject({
path: `/Projects(${projectId})`,
parameters: {
$expand: "contacts,settlements,postings"
}
});
技术要点说明
-
OData V4 查询语法规范:OData V4 标准中,系统查询选项如 filter、)开头。这是与 OData V2 的一个重要区别。
-
OpenUI5 模型处理机制:OpenUI5 的 OData V4 模型会严格验证查询参数格式。即使服务端可能宽松地接受不带$的参数,客户端模型仍会按照标准规范处理。
-
元数据解析影响:当使用不规范的参数时,模型无法正确解析导航属性的键(key)信息,导致后续操作如获取规范路径(requestCanonicalPath)失败。
最佳实践建议
-
始终遵循 OData V4 的标准查询语法,特别是在使用系统查询选项时。
-
在开发过程中,可以使用浏览器开发者工具检查实际发送的请求,确保查询参数格式正确。
-
对于复杂的 OData 查询,建议先在服务元数据($metadata)中验证实体和导航属性的定义是否正确。
-
在绑定操作后,可以通过日志或调试工具检查模型状态,确保所有导航属性都被正确识别和处理。
总结
这个案例展示了 OpenUI5 框架对 OData V4 标准的严格遵循。开发者需要注意,即使某些服务端实现可能对查询参数格式比较宽松,客户端框架仍会按照标准规范进行处理。遵循标准语法可以避免许多潜在的问题,确保应用程序的稳定性和兼容性。
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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-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
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