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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07