MyBatis-Plus 中使用 PostgreSQL UUID 主键的解决方案
在使用 MyBatis-Plus 框架与 PostgreSQL 数据库结合开发时,很多开发者会遇到一个常见问题:当数据库表的主键设置为 UUID 类型时,Java 应用中无论是使用 String 还是 UUID 类型接收,在执行保存操作时都会报错"column 'id' is of type uuid but expression is of type character varying"。
问题分析
这个问题的根源在于 PostgreSQL 对数据类型有严格的校验机制。当 Java 应用向数据库插入数据时,MyBatis-Plus 默认会将 UUID 值作为字符串传递,而 PostgreSQL 期望接收的是真正的 UUID 类型数据,这就导致了类型不匹配的错误。
解决方案
方案一:修改 JDBC 连接参数
最简单的解决方案是在数据库连接字符串中添加 stringtype=unspecified 参数:
spring.datasource.url=jdbc:postgresql://127.0.0.1:5432/your_database?stringtype=unspecified
这个参数告诉 PostgreSQL JDBC 驱动程序不要对字符串类型做严格校验,允许字符串类型自动转换为其他类型。使用此方法后,Java 实体类中可以直接使用 String 类型来映射 UUID 字段。
方案二:自定义 TypeHandler
如果希望保持严格类型检查,可以自定义 TypeHandler 来处理 UUID 类型的转换:
public class UuidTypeHandler extends BaseTypeHandler<UUID> {
@Override
public void setNonNullParameter(PreparedStatement ps, int i, UUID parameter, JdbcType jdbcType) throws SQLException {
ps.setObject(i, parameter);
}
@Override
public UUID getNullableResult(ResultSet rs, String columnName) throws SQLException {
return (UUID) rs.getObject(columnName);
}
@Override
public UUID getNullableResult(ResultSet rs, int columnIndex) throws SQLException {
return (UUID) rs.getObject(columnIndex);
}
@Override
public UUID getNullableResult(CallableStatement cs, int columnIndex) throws SQLException {
return (UUID) cs.getObject(columnIndex);
}
}
然后在实体类字段上添加注解:
@TableId(type = IdType.ASSIGN_UUID)
@TableField(typeHandler = UuidTypeHandler.class)
private String id;
或者在 MyBatis 配置文件中全局注册:
<typeHandlers>
<typeHandler handler="com.your.package.UuidTypeHandler" javaType="java.util.UUID"/>
</typeHandlers>
最佳实践建议
-
一致性原则:建议在整个项目中统一使用一种方案,要么全部使用连接参数方案,要么全部使用 TypeHandler 方案。
-
类型选择:如果使用 TypeHandler 方案,Java 实体类中可以直接使用 UUID 类型,这样更符合类型安全原则。
-
性能考虑:对于高性能要求的应用,TypeHandler 方案可能更优,因为它避免了额外的类型转换开销。
-
代码可读性:连接参数方案实现简单,适合快速开发和小型项目;TypeHandler 方案更符合 MyBatis 的设计哲学,适合中大型项目。
总结
PostgreSQL 的 UUID 类型与 MyBatis-Plus 的集成确实存在一些陷阱,但通过合理的配置可以很好地解决。开发者应根据项目实际情况选择最适合的方案,确保数据类型的正确映射和系统的稳定运行。
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