JeecgBoot项目中sys_announcement_send表主键缺失问题分析与解决方案
问题背景
在JeecgBoot 3.7.1版本中,系统公告发送记录表sys_announcement_send存在一个潜在的设计缺陷。该表在SQL建表语句中没有明确定义主键,但在对应的Java实体类中却定义了id字段作为主键。这种不一致性导致了数据库操作时可能出现死锁问题。
问题现象
当用户多次调用/editByAnntIdAndUserId接口时,由于表结构缺少主键约束,MySQL数据库会产生死锁。从错误日志中可以看到,两个事务同时尝试更新同一用户的公告记录时,会互相等待对方持有的锁资源,最终导致死锁发生。
技术分析
死锁产生原因
-
表结构缺陷:
sys_announcement_send表没有定义主键,MySQL会隐式创建一个聚集索引(GEN_CLUST_INDEX),这会影响查询和更新操作的性能。 -
索引使用:从错误日志可以看出,事务使用了
idx_sacm_user_id索引,但由于缺少主键,锁竞争变得更加复杂。 -
并发控制:当多个事务同时操作同一用户的公告记录时,由于没有明确的主键约束,锁的粒度变大,增加了死锁概率。
影响范围
此问题主要影响:
- 公告阅读状态的更新操作
- 高并发场景下的系统稳定性
- 数据库性能
解决方案
修复方案
为sys_announcement_send表添加主键约束,执行以下SQL语句:
ALTER TABLE `sys_announcement_send`
MODIFY COLUMN `id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL FIRST,
ADD PRIMARY KEY (`id`);
实施建议
-
生产环境:建议在业务低峰期执行此变更,避免影响线上服务。
-
版本升级:对于新部署的JeecgBoot系统,建议在初始化数据库后立即执行此修复。
-
代码审查:检查所有涉及
sys_announcement_send表的业务逻辑,确保与主键相关的操作正确。
预防措施
为避免类似问题再次发生,建议:
-
数据库设计规范:确保表结构与实体类定义保持一致,特别是主键约束。
-
代码审查流程:在数据库变更时,同时检查对应的实体类定义。
-
性能测试:对高并发场景下的关键表操作进行压力测试,提前发现潜在问题。
总结
数据库表设计是系统稳定性的基础,主键缺失看似小问题,但在高并发场景下可能导致严重的性能问题和系统不稳定。JeecgBoot项目中的这个案例提醒我们,在数据库设计和实现过程中,必须保持严谨的态度,确保表结构与业务逻辑的一致性。通过及时修复此问题,可以显著提升系统的稳定性和并发处理能力。
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-X1-7BSpark-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