MyBatis-Plus 分页查询中的 SQL 解析异常问题分析
问题背景
在使用 MyBatis-Plus 进行分页查询时,开发者遇到了一个特殊的警告日志问题。虽然查询功能正常,数据也能正确返回,但系统日志中却出现了 SQL 解析异常的错误提示。这个问题出现在使用 selectPage 方法进行分页查询时,MyBatis-Plus 内部尝试优化 SQL 语句为 count 查询时发生的解析错误。
问题现象
具体表现为:当执行类似 problemMapper.selectPage(pp, new QueryWrapper<>()) 的分页查询时,系统日志会输出以下警告:
WARN c.b.m.e.p.i.PaginationInnerInterceptor: optimize this sql to a count sql has exception, sql:"SELECT id,user_id,... FROM problem", exception:
java.util.concurrent.ExecutionException: net.sf.jsqlparser.parser.ParseException: Encountered unexpected token: "," ","
值得注意的是,尽管出现这个警告,前端仍然能够正常获取到分页数据,业务功能不受影响。
技术分析
1. MyBatis-Plus 分页机制
MyBatis-Plus 的分页功能是通过 PaginationInnerInterceptor 拦截器实现的。当执行分页查询时,拦截器会做两件事:
- 将原始查询 SQL 转换为 count 查询,用于获取总记录数
- 对原始查询 SQL 添加分页限制条件(如 LIMIT)
2. 问题根源
警告日志表明问题发生在第一步 - 将查询 SQL 转换为 count 查询的过程中。MyBatis-Plus 使用了 JSqlParser 来解析和修改 SQL 语句,但在处理包含多个字段的 SELECT 语句时遇到了解析异常。
3. 深层原因
这种问题的出现通常与以下因素有关:
- JSqlParser 版本兼容性:MyBatis-Plus 使用的 JSqlParser 版本可能对某些 SQL 语法支持不完善
- SQL 复杂性:当 SELECT 语句包含大量字段或复杂表达式时,解析器可能无法正确处理
- 字段命名特殊性:某些字段名称可能包含解析器无法识别的特殊字符或关键字
解决方案
1. 升级依赖版本
确保使用的是 MyBatis-Plus 和 JSqlParser 的最新稳定版本。本例中使用的 MyBatis-Plus 3.5.7 已经是一个较新的版本,但可以尝试升级到更高版本。
2. 自定义分页拦截器
如果问题持续存在,可以考虑实现自定义的分页拦截器,覆盖默认的 SQL 优化逻辑:
public class CustomPaginationInterceptor extends PaginationInnerInterceptor {
@Override
protected String autoCountSql(String sql) {
// 自定义 count SQL 生成逻辑
return "SELECT COUNT(1) FROM (" + sql + ") mp_count";
}
}
3. 简化查询字段
如果业务允许,可以尝试减少查询字段数量,或者使用 selectMaps 代替 selectPage:
Page<Map<String, Object>> page = new Page<>(1, 10);
problemMapper.selectMapsPage(page, new QueryWrapper<>());
最佳实践建议
- 监控日志:虽然这个警告不影响功能,但仍建议监控相关日志,以防其他潜在问题
- 性能考量:对于字段很多的表,建议明确指定需要的字段,而不是使用
select * - 测试验证:在升级 MyBatis-Plus 或 JSqlParser 版本后,务必进行全面测试
- 关注社区:关注 MyBatis-Plus 的官方更新,这类问题通常会在后续版本中得到修复
总结
这个 MyBatis-Plus 分页查询中的 SQL 解析警告虽然不影响功能实现,但反映了底层 SQL 解析器在处理复杂查询时的一些局限性。开发者可以根据实际业务需求选择忽略警告、升级版本或实现自定义解决方案。理解 MyBatis-Plus 的分页机制和内部工作原理,有助于更好地处理这类边缘情况,确保应用的稳定性和可维护性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00