MyBatis-Plus Generator 注解排序问题分析与解决方案
2025-05-13 13:56:59作者:柯茵沙
问题背景
MyBatis-Plus Generator 作为 MyBatis-Plus 生态中的代码生成工具,在 3.5.10.1 版本升级后出现了一个值得注意的行为变化:实体类字段上的注解顺序变得不一致。这个问题在开发团队协作和版本控制中可能会带来一些困扰。
问题现象
在升级到 3.5.10.1 版本后,生成的实体类字段注解顺序出现了以下变化:
- 旧版本(3.5.9)生成的代码中,注解顺序固定为
@Schema在前,@TableField在后 - 新版本生成的代码中,这两个注解的顺序变得不一致,有时
@Schema在前,有时@TableField在前
这种不一致性会导致 Git 版本控制系统中出现大量看似"修改"但实际上只是注解顺序变化的提交记录,给代码审查和版本管理带来不便。
技术分析
通过分析源代码,我们发现这个问题源于注解排序策略的变化。当前版本的排序逻辑是基于整行注解代码的长度进行的,这种排序方式存在以下问题:
- 非确定性:当注解参数内容长度变化时,排序结果也会变化
- 不可预测:开发者难以直观理解排序规则
- 版本控制干扰:微小的参数变化可能导致注解顺序重排
解决方案探讨
针对这个问题,社区提出了几种更合理的排序方案:
方案一:按注解名称首字母排序
按照注解名称的第一个字母(A-Z)进行排序,例如:
@Schema(S)@TableField(T)
这种方案排序结果稳定,易于理解,且与Java编码习惯一致。
方案二:按注解名称长度排序
按照注解名称(不包含参数部分)的长度排序,例如:
@Schema(6个字符)@TableField(10个字符)
这种方案也能保证稳定的排序结果,且短名称的注解会排在前面,代码可读性较好。
自定义排序策略
MyBatis-Plus 提供了通过配置自定义排序策略的能力,开发者可以使用以下代码实现自定义排序:
entityBuilder()
.annotationAttributesFunction(annotationAttributes -> annotationAttributes.stream()
.sorted(Comparator.comparingInt((AnnotationAttributes c) -> c.getDisplayName().charAt(1)))
.collect(Collectors.toList()))
这种方式提供了最大的灵活性,允许开发者根据项目需求实现任何排序逻辑。
最佳实践建议
对于大多数项目,我们推荐采用以下实践:
- 统一排序标准:团队内部约定使用一种固定的排序策略
- 版本升级注意:升级 Generator 版本时检查注解排序变化
- 代码审查:将注解顺序纳入代码审查标准
- 文档记录:在项目文档中记录采用的排序策略
总结
MyBatis-Plus Generator 的注解排序问题虽然看似微小,但在团队协作和版本控制中可能带来不小的影响。理解排序机制并采用合理的排序策略,可以保持代码的一致性和可维护性。开发者可以根据项目需求选择内置排序策略或实现自定义排序逻辑,确保生成的代码符合团队规范。
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
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878