在JeecgBoot项目中实现表主键自增的增强方案
2025-05-03 06:09:45作者:邵娇湘
背景介绍
JeecgBoot作为一款流行的快速开发框架,其Online表单功能默认使用UUID作为表的主键ID。这种设计虽然保证了全局唯一性,但在某些业务场景下并不理想,特别是当业务需要更直观、有序的数字ID时。
默认设计的局限性
框架默认采用UUID作为主键存在以下问题:
- 可读性差:UUID是一串无意义的字符,不利于人工识别和记忆
- 排序困难:UUID无法按插入顺序自然排序
- 业务需求:某些业务场景需要连续的数字ID便于业务处理
解决方案设计
我们可以通过实现CgformEnhanceJavaInter接口来增强表单插入逻辑,实现数字自增ID功能。核心思路是:
- 在数据插入前拦截操作
- 查询当前表最大ID值
- 为新记录设置递增后的ID值
具体实现代码
@Component("CgformEnhanceInsertSetId")
public class CgformEnhanceInsertSetId implements CgformEnhanceJavaInter {
// 定义需要自增ID的表名映射
private static final Map<String, Integer> predefinedMap;
// 静态初始化需要增强的表
static {
predefinedMap = new HashMap<>();
predefinedMap.put("库名.表名", 1); // 对应online表单开发中的表名
// 可添加更多需要自增ID的表
}
@Autowired
private JdbcTemplate jdbcTemplate;
@Override
public void execute(String tableName, JSONObject json) throws BusinessException {
// 检查当前表是否需要自增ID处理
if(predefinedMap.containsKey(tableName)) {
// 查询当前表最大ID值
String sql = "SELECT COALESCE(MAX(id), 0) FROM " + tableName;
Long maxId = jdbcTemplate.queryForObject(sql, Long.class);
if (maxId != null) {
// 设置递增后的ID
json.put("id", ++maxId);
}
}
}
}
实现要点解析
- 表名映射管理:通过静态Map维护需要自增ID的表名,便于集中管理
- 线程安全考虑:使用JdbcTemplate进行数据库操作,确保线程安全
- 空值处理:使用COALESCE函数处理表为空的情况,默认从0开始
- 增量处理:采用前置++操作符确保ID递增
使用注意事项
-
并发控制:此方案在高并发场景下可能出现ID重复问题,应考虑:
- 添加数据库锁
- 使用序列(Sequence)
- 或采用分布式ID生成方案
-
表设计配合:确保数据库表的主键字段类型为数值型(如BIGINT)
-
性能影响:每次插入前需要查询MAX(id),对性能有一定影响,可考虑缓存机制
扩展思考
对于更复杂的业务场景,可以进一步优化:
- 分表分库支持:增加分表逻辑,确保ID在分片环境下唯一
- ID生成策略:支持多种ID生成算法(雪花算法等)
- 配置化管理:将表名映射改为可动态配置的方式
总结
通过这种增强实现,我们可以在保持JeecgBoot框架原有功能的基础上,灵活地为特定表实现自增ID功能。这种方案既解决了业务需求,又保持了框架的扩展性,是一种实用的折中方案。开发者可以根据实际业务场景,进一步调整和优化这一实现。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5暂无简介00
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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