jOOQ 3.18.29版本发布:数据库交互工具的重要更新
jOOQ(Java Object Oriented Querying)是一个流行的Java数据库交互工具,它允许开发者以类型安全的方式编写SQL查询,并提供了强大的代码生成功能。作为Java生态中数据库访问层的重要组件,jOOQ通过将SQL语句转化为类型安全的Java代码,极大地提高了开发效率和代码质量。
新版本核心改进
最新发布的jOOQ 3.18.29版本带来了多项功能增强和问题修复,主要围绕以下几个方面:
-
日志与诊断增强:新增了关于Settings.namePathSeparator的WARN级别日志,当开发者关闭标识符引用并使用扁平化嵌套行时,系统会提供更有价值的诊断信息。
-
Snowflake数据库支持改进:
- 现在可以从INFORMATION_SCHEMA.TABLES中读取表注释
- 修复了SET SCHEMA实现问题
- 优化了CREATE TABLE语句中的注释格式,消除了多余的空格
-
MULTISET仿真增强:
- 修复了XML仿真模式下NULL字符串值的编码问题
- 解决了深度嵌套记录中touched标志设置不正确的问题
- 改进了未命名列在SQL Server上的兼容性
- 确保Converter<String, String>在multisets中正确应用
关键问题修复
本次更新包含了多个重要的问题修复,显著提升了框架的稳定性和兼容性:
-
Oracle兼容性修复:
- 解决了使用R2DBC读取XML类型表达式时的ORA-17004错误
- 修正了NVARCHAR CAST生成错误类型的问题
-
间隔类型处理:
- YearToMonth::valueOf现在可以正确解析P0D(有效的Period值)
- 修复了解析带有负数组件的ISO间隔值时的错误
-
SQL Server特定问题:
- 解决了ROWNUM转换阻止FOR UPDATE转换的问题
- 改进了MULTISET XML仿真对未命名列的处理
-
其他数据库修复:
- 修正了SQLite实际上不支持REGEXP操作符的问题
- 解决了Derby不真正支持DSLContext::nextvals和DSL::digits的问题
-
代码生成改进:
- 修复了XJC生成的toString()方法产生空列表元素的问题
- 解决了XJC生成的equals()和hashCode()对List延迟初始化敏感的问题
技术细节深入
对于高级用户,有几个技术细节值得特别关注:
-
AbstractRowAsField改进:现在在使用别名扁平化字段仿真嵌套记录时,会正确生成DSL.quotedName()标识符,提高了SQL语句的兼容性。
-
批处理渲染优化:修复了BatchMultiple渲染上下文缺少executeContext()引用的问题,提升了批处理操作的可靠性。
-
参数编号一致性:解决了Query.getSQL(NAMED)在处理null UDT值时产生的参数编号间隙问题,同时确保Query::getBindValues仍能正确生成值。
-
窗口函数优化:修正了Snowflake中使用WITH TIES语法时窗口规范未内联的问题。
升级建议
对于正在使用jOOQ 3.x版本的用户,特别是那些使用Snowflake、Oracle或SQL Server数据库的项目,建议尽快升级到3.18.29版本以获取这些重要的修复和改进。升级过程通常只需更新依赖版本即可,但需要注意:
-
如果项目中使用了自定义的MULTISET仿真逻辑,可能需要检查与新版本的兼容性。
-
对于依赖XJC生成代码的项目,建议重新生成代码以获取修复后的equals()和toString()实现。
-
使用SQLite REGEXP操作符的项目需要调整查询,因为实际上SQLite并不原生支持这一操作符。
jOOQ持续为Java开发者提供强大的数据库访问能力,这个维护版本的发布再次证明了项目团队对产品质量和用户体验的承诺。
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 StartedRust0199
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