MyBatis-Plus中处理TDengine数据库查询结果的类型转换问题
在使用MyBatis-Plus操作TDengine数据库时,开发者可能会遇到一个特殊的问题:当使用selectMaps方法查询数据时,虽然能正常获取结果集,但却会抛出ResultMapException异常。这种情况通常发生在数据库字段类型与Java类型映射不匹配时。
问题现象
当执行类似以下代码时:
@Override
public List<Map<String, Object>> selectListAggregation(QueryParam param){
QueryWrapper<T> wrapper = new QueryWrapper<T>();
return getBaseMapper().selectMaps(wrapperQuery(wrapper,param));
}
控制台会显示查询成功执行并返回了结果行,但随后抛出异常:
nested exception is org.apache.ibatis.executor.result.ResultMapException:
Error attempting to get column 'device_id' from result set.
Cause: cn.hutool.json.JSONException: A JSONObject text must begin with '{' at 1 [character 2 line 1]
问题分析
这个问题的根源在于MyBatis-Plus尝试将查询结果自动映射为Map时,TDengine返回的数据类型与预期不符。异常信息表明,系统尝试将device_id字段解析为JSON对象,但实际上它是一个普通字符串。
这种情况通常发生在项目中配置了自定义的TypeHandler来处理Map类型字段,而这个TypeHandler被错误地应用到了所有表的查询操作上,包括那些不需要JSON转换的简单字段。
解决方案
针对这个问题,开发者可以采取以下几种解决方案:
-
自定义TypeHandler:创建一个专门的TypeHandler来处理需要JSON转换的特定字段,而不是全局应用。
-
字段级注解:在实体类中使用
@TableField注解明确指定字段的类型处理器,避免全局影响。 -
结果集处理:放弃使用
selectMaps方法,改用selectList获取实体对象列表,再手动转换为Map。
以下是自定义TypeHandler的实现示例:
public class MapTypeHandler extends BaseTypeHandler<Map> {
@Override
public void setNonNullParameter(PreparedStatement ps, int i,
Map map, JdbcType jdbcType) throws SQLException {
ps.setString(i, JSONUtil.toJsonStr(map));
}
public Map getNullableResult(ResultSet rs, String columnName) throws SQLException {
String value = rs.getString(columnName);
if(StringUtils.isBlank(value)) {
return null;
}
return JSONUtil.toBean(value, Map.class);
}
public Map getNullableResult(ResultSet rs, int columnIndex) throws SQLException {
String value = rs.getString(columnIndex);
if(StringUtils.isBlank(value)) {
return null;
}
return JSONUtil.toBean(value, Map.class);
}
public Map getNullableResult(CallableStatement cs,
int columnIndex) throws SQLException {
String value = cs.getString(columnIndex);
if(StringUtils.isBlank(value)) {
return null;
}
return JSONUtil.toBean(value, Map.class);
}
}
最佳实践
-
精确作用域:确保自定义TypeHandler只应用于确实需要JSON转换的字段,而不是所有Map类型的查询。
-
空值处理:在TypeHandler中添加对空值的判断,避免解析空字符串或null值时出错。
-
性能考虑:对于大数据量查询,避免在TypeHandler中进行复杂的JSON解析,这可能会影响性能。
-
日志记录:在TypeHandler中添加适当的日志记录,便于调试和问题追踪。
通过以上方法,开发者可以有效地解决MyBatis-Plus与TDengine数据库集成时的类型映射问题,同时保持代码的清晰性和可维护性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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