JeecgBoot项目启动时OnlDragShareDao注入失败问题解析
问题背景
在使用JeecgBoot 3.7.2版本进行项目开发时,部分开发者可能会遇到项目启动失败的情况,控制台报错信息显示Field onlDragShareDao in org.jeecg.modules.drag.service.a.i required a bean of type 'org.jeecg.modules.drag.dao.OnlDragShareDao' that could not be found。这个错误表明Spring容器在初始化时无法找到OnlDragShareDao这个Bean。
错误原因分析
该问题的根本原因是MyBatis或Minidao框架无法扫描到org.jeecg.modules.drag.dao包下的Mapper接口。在JeecgBoot项目中,这通常是由于以下配置问题导致的:
-
Minidao扫描配置缺失:项目中的
application.yml或application.properties文件缺少对org.jeecg.modules.drag包的扫描配置。 -
配置不完整:虽然项目可能已经配置了部分包的扫描路径,但没有包含拖拽模块相关的DAO包。
解决方案
检查并完善Minidao配置
在项目的配置文件中(通常是application.yml),需要确保Minidao的扫描路径包含了拖拽模块的DAO包:
minidao:
base-package: org.jeecg.modules.jmreport.*,org.jeecg.modules.drag.*
这个配置告诉Minidao框架需要扫描哪些包下的接口来生成DAO实现类。多个包路径可以用逗号分隔。
验证配置的正确性
- 确认
org.jeecg.modules.drag.dao.OnlDragShareDao接口确实存在于项目中 - 检查该接口是否使用了正确的注解(如
@Mapper或Minidao相关注解) - 确保配置文件中的包路径拼写完全正确
技术原理
在Spring Boot项目中,DAO层的接口需要通过框架扫描并生成代理类才能被注入到Service层使用。JeecgBoot使用了Minidao作为轻量级的ORM框架,它需要明确知道哪些包下的接口需要被处理。
当配置文件中缺少相关包的扫描路径时,框架就无法为这些接口生成实现类,导致Spring容器在依赖注入时找不到对应的Bean,从而抛出NoSuchBeanDefinitionException。
预防措施
- 模块化开发时的配置更新:当新增功能模块时,应及时更新Minidao的扫描配置
- 配置模板:可以建立项目级的配置模板,确保新模块的包路径能被自动包含
- 代码审查:在团队开发中,应将配置文件变更纳入代码审查范围
总结
JeecgBoot项目中DAO层注入失败的问题大多源于配置不完整。通过正确配置Minidao的扫描路径,可以确保框架能够正确处理DAO接口并生成所需的Bean。开发者在新增功能模块时,应当注意同步更新相关配置,避免此类问题的发生。
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