Sqltoy 5.6.42版本发布:优化分组查询与日志输出功能
项目简介
Sqltoy是一个高性能的Java ORM框架,专注于简化数据库操作并提升开发效率。它提供了丰富的SQL编写方式和强大的查询功能,支持多种数据库方言,能够帮助开发者快速构建稳定高效的数据库访问层。
版本亮点
Sqltoy 5.6.42版本带来了两个重要的功能改进和缺陷修复,进一步提升了框架的稳定性和易用性。
1. 分组查询功能修复
在之前的版本中,当使用<link>标签进行分组查询并指定结果类型为List或Set时,如果最后一组数据正好是查询结果的最后一条记录,框架会出现处理遗漏的情况。这个问题在5.6.42版本中得到了彻底修复。
问题场景
考虑以下SQL查询示例:
<sql id="common_resourceRoles" debug="false" dataSource="portalDataSource">
<link id-columns="res_url" columns="role_code" distinct="true" result-type="SET"/>
<value>
<![CDATA[
select
t3.res_url,
t2.role_code
from SAG_ROLE_RESOURCES t1
left join sag_resource t3 on t3.res_id=t1.res_id
left join sag_role t2 on t2.role_id=t1.role_id
where t3.res_url is not null and t3.NODE_LEVEL >= 3
and t3.status=1
and t1.status=1
and t3.app_code=:appCode
order by t3.res_url
]]>
</value>
</sql>
这个查询的目的是按资源URL(res_url)分组,收集每个URL对应的所有角色代码(role_code)到一个Set集合中。在修复前,如果最后一组数据只有一条记录,这组数据会被框架忽略,导致结果不完整。
修复意义
这个修复确保了分组查询结果的完整性和准确性,特别是对于边缘情况(如最后一组只有一条记录)的处理更加可靠。开发者在处理权限、资源关联等场景时,可以完全信赖框架的分组功能。
2. 日志输出优化
5.6.42版本对SQL日志输出进行了重要优化,特别是对日期和时间类型参数的处理更加友好和准确。
改进内容
在之前的日志输出中,日期时间参数直接以原始值形式显示,这在实际调试时可能不够直观。新版本中,当日志输出包含日期或时间类型参数时,框架会自动添加相应的数据库转换函数,使日志中的SQL语句更接近实际执行的格式。
例如,一个包含日期参数的查询在日志中会显示为:
select * from table where create_time=to_date('2024-10-11 12:30:11.039','YYYY-MM-DD HH24:MI:SS.FF3')
而不是简单的:
select * from table where create_time='2024-10-11 12:30:11.039'
优化价值
这一改进带来了几个显著优势:
- 调试友好:日志输出的SQL可以直接复制到数据库客户端执行,无需手动添加日期转换函数
- 格式统一:不同数据库的日期格式差异被规范化处理
- 精确性:毫秒级精度被明确保留,避免了隐式转换可能导致的精度损失
版本兼容性
Sqltoy 5.6.42版本提供了多种集成方式,满足不同技术栈的需求:
- 原生集成:使用
sagacity-sqltoy核心库 - SpringBoot集成:使用
sagacity-sqltoy-spring-starter - Solon框架集成:使用
sagacity-sqltoy-solon-plugin
对于仍在使用JDK8的用户,框架提供了专门的JRE8兼容版本(版本号后缀为.jre8)。
升级建议
对于正在使用Sqltoy的项目,特别是以下情况,建议升级到5.6.42版本:
- 项目中大量使用
<link>分组查询功能 - 需要精确调试包含日期时间参数的SQL语句
- 使用List或Set作为分组结果集合类型的场景
升级过程通常只需修改依赖版本号即可,无需额外配置或代码变更。
总结
Sqltoy 5.6.42版本虽然是一个小版本更新,但解决了一些实际开发中可能遇到的痛点问题。分组查询功能的修复确保了数据处理的完整性,日志输出的优化则提升了开发调试的效率。这些改进体现了Sqltoy框架对开发者体验的持续关注和对稳定性的不懈追求。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00