MyBatis Spring Boot Starter中ConfigurationFactory配置的深入解析
配置项未被使用的误解
在MyBatis Spring Boot Starter项目中,有用户报告称configurationFactory配置项未被使用。这实际上是一个误解,该配置项确实存在于MyBatis的核心功能中,只是它的使用场景较为特殊,不为大多数开发者所熟知。
ConfigurationFactory的真正用途
ConfigurationFactory是MyBatis中一个特殊的配置项,主要用于延迟加载属性。具体来说,它在反序列化传输的缓存对象后用于延迟加载属性。这个功能在分布式缓存或对象序列化/反序列化场景中尤为重要。
配置验证
MyBatis Spring Boot Starter项目中包含专门的测试用例来验证这个配置项的正确设置。测试代码明确检查了configurationFactory属性是否被正确配置和读取。
常见误解场景
许多开发者(包括报告此问题的用户)误以为可以通过configurationFactory来自定义Configuration类的实例化过程。实际上,这是对该配置项用途的误解。ConfigurationFactory并不是用来替换默认Configuration实现的机制。
自定义Configuration的正确方式
如果开发者确实需要自定义Configuration实现(例如继承org.apache.ibatis.session.Configuration创建自己的MyConfiguration类),正确的方式是通过显式创建SqlSessionFactoryBean并设置自定义的Configuration实例:
@Bean
@ConfigurationProperties(prefix = MybatisProperties.MYBATIS_PREFIX)
SqlSessionFactory sqlSessionFactoryBean(DataSource ds, MybatisProperties properties) throws Exception {
final SqlSessionFactoryBean factoryBean = new SqlSessionFactoryBean();
factoryBean.setDataSource(ds);
// 其他factoryBean属性设置...
MyConfiguration myConfig = new MyConfiguration();
properties.getConfiguration().applyTo(myConfig);
factoryBean.setConfiguration(myConfig);
return factoryBean.getObject();
}
技术建议
- 对于大多数常规需求,不建议继承Configuration类,这可能导致维护复杂性增加
- 如果确实需要扩展功能,优先考虑通过Interceptor等MyBatis提供的扩展点实现
- 自定义Configuration实现时,需要确保正确处理所有必要的初始化和配置
总结
ConfigurationFactory配置项在MyBatis中有其特定用途,虽然不常见但确实被框架使用。开发者不应将其误认为是自定义Configuration实现的机制。对于需要自定义Configuration的场景,应该采用显式创建和配置的方式,这虽然需要更多代码,但能确保功能的正确性和可维护性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00