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。
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-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