SDK-0.7.8-Release-实体管理 - ApiHug-Release

 🤗 ApiHug × {Postman|Swagger|Api...} = 快↑ 准√ 省↓

  1. GitHub - apihug/apihug.com: All abou the Apihug   
  2. apihug.com: 有爱,有温度,有质量,有信任
  3. ApiHug - API design Copilot - IntelliJ IDEs Plugin | Marketplace

更多精彩参考官方:apihug.com: 有爱,有温度,有质量,有信任  最新 release note

docs/framework/versions/0.7.8_cn.md · dearxuecom/apihug.com - Gitee.com

💁 如果你尚未使用 ApiHug 领域实体对象管理(ORM), 然后这个迁移将不会影响你,但最好和官方保持统一最新版本! :-)

0.7.8-RELEASE 添加功能:

  • 将 Repository 扩展, 迁移到独立的 trait 目录管理, 使代码结构更简单清晰;
  • lite 模式作为 stub 默认编译模式,将使他更迅捷;

Repository 迁移

目的:

  1. 使 repository 更直接简单.
  2. 使 repository 扩展更方便维护.

举个在你模块 book-app 已存在 的 repository为例: com.novel.book.wire.domain.book.repository.BookAuthorRepository:

现有逻辑在: in book-app\src\main\stub\com\novel\book\wire\domain\book\repository\BookAuthorRepository:

@Repository
@SuppressWarnings("Duplicates")
public interface BookAuthorRepositoryextends HopeJdbc<BookAuthor>,BookJdbcSupport,BookAuthorDSL,ListCrudRepository<BookAuthor, Long> {@Derived@QueryOptional<BookAuthor> findByName(final String name);//Other method
}

⚠️⚠️⚠️ 首先保证你的 @Derived 已经备份, 在你跑 stub 命令前;(如果版本管理,先commit为妙)

因为升级后的 stub 只保留纯 generated代码, 也就是是可以跑 stub 命令中被完全删除.

Step1

跑下本模块的 stub 命令, 首先保证你SDK 版本已经被更新到 0.7.8-RELEASE+, gradle\libs.versions.toml:

[versions]
# libraries
apihug = "0.7.8-RELEASE"

命令行可以到你项目的 README.md 找到:

./gradlew.bat book-app:clean stub build -x test -x stubTest

跑完后你会看到一个新的 sourceSetbook-app\src\main\trait;

💁‍♀️ 你可能需要重新到你的 gradle tool window 触发本项目的 Reload Gradle Project ,否则可能提醒 book-app\src\main\trait 不能被当做 sourceSet!

Step2

  1. 手动将 @Derived copy 回到 _BookAuthorRepository(trait 目录下) & BookAuthorRepository(stub 目录)(只有第一次迁移需要,以后只需要在 _BookAuthorRepository 编写);
  2. 再次启动 stub 命令.

从今往后, 所有Repository扩展 @Derived 方法, 都可以在独立的 book-app\src\main\trait 目录维护啦:

  1. stub 命令将你需要融入(trait)的方法(也就是老的方法)合进到运行时的 BookAuthorRepository 类
  2. 避免 BookAuthorRepository 在持续开发中大量的冲突,保持他的简单和直观.
  3. 也很容易维护我们的 repository扩展接口, 这里保持纯的 SQL 逻辑;

真实项目的目录结构:

+---java
|   \---com
|       \---novel
|           \---book
+---stub
|   \---com
|       \---novel
|           \---book
|               \---wire
|                   \---domain
|                       +---account
|                       |   +---dsl
|                       |   \---repository
|                       +---book
|                       |   +---dsl
|                       |   \---repository
|                       \---job
|                           +---dsl
|                           \---repository
\---trait\---t\---com\---novel\---book\---wire\---domain+---account|   \---repository+---book|   \---repository\---job\---repository

Best Tips

你可以把 _BookAuthorRepository 想象成 BookAuthorRepository伴生类(虽然有继承关系:方便获得编辑器提示) ;

只是 ApiHug 工具链完全帮你处理掉了过程的复杂性!

参考Scala 半生对象 Companion objects;

如果你过程中遇到任何问题,请垂询我们:

api-hug-contact

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/814783.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

大数据存储解决方案和处理流程——解读大数据架构(四)

文章目录 前言数据存储解决方案数据集市运营数据存储&#xff08;Operational Data Store&#xff09;数据中心 数据处理数据虚拟化和数据联合虚拟化作为 ETL 或数据移动的替代品数据目录数据市场 前言 在数字时代&#xff0c;数据已成为公司的命脉。但是&#xff0c;仅仅拥有…

CNN卷积神经网络:理论基础、核心架构与多元应用

CNN是一种深度学习模型&#xff0c;利用卷积层提取图像特征&#xff0c;池化层降维与增强不变性&#xff0c;全连接层实现分类/回归。核心理论包括局部感知、权值共享、多层抽象。广泛应用图像识别、目标检测、语义分割、生成任务等领域。 一、CNN理论基础 1、局部感知野&…

二叉树之遍历

概述 之前有说到二叉树的建树&#xff0c;这次讲讲二叉树的遍历过程。二叉树的遍历分为深度优先遍历和广度优先遍历&#xff0c;二叉树的逻辑结构如下所示&#xff1a; class TreeNode{int val;TreeNode left;TreeNode right;public TreeNode(){}public TreeNode(int val){thi…

dPET论文笔记

PBPK论文笔记 题目&#xff1a;Self-supervised Learning for Physiologically-Based Pharmacokinetic Modeling in Dynamic PET 摘要 动态正电子发射断层扫描成像 &#xff08;dPET&#xff09; 提供示踪剂的时间分辨图像。从 dPET 中提取的时间活动曲线 &#xff08;TAC&a…

C#如何快速读取大型文本文件?StreamReader+FileStream

FileStream读取字节流, StreamReader则是用于从字节流中读取文本数据并进行解码。 FileStream用于打开文件流&#xff0c;提供了对文件的底层访问&#xff0c;它读取的是字节流。 StreamReader用于从字节流中读取文本数据&#xff0c;并根据指定的编码&#xff08;或使用默认编…

题目:一个最优美的图案。

题目&#xff1a;一个最优美的图案。    There is no nutrition in the blog content. After reading it, you will not only suffer from malnutrition, but also impotence. The blog content is all parallel goods. Those who are worried about being cheated should l…

Spring Boot统一功能处理(一)

本篇主要介绍Spring Boot的统一功能处理中的拦截器。 目录 一、拦截器的基本使用 二、拦截器实操 三、浅尝源码 初始化DispatcherServerlet 处理请求&#xff08;doDispatch) 四、适配器模式 一、拦截器的基本使用 在一般的学校或者社区门口&#xff0c;通常会安排几个…

(我的创作纪念日)[MySQL]数据库原理7——喵喵期末不挂科

希望你开心&#xff0c;希望你健康&#xff0c;希望你幸福&#xff0c;希望你点赞&#xff01; 最后的最后&#xff0c;关注喵&#xff0c;关注喵&#xff0c;关注喵&#xff0c;大大会看到更多有趣的博客哦&#xff01;&#xff01;&#xff01; 喵喵喵&#xff0c;你对我真的…

软考系统架构设计师考试论文应试技巧

写论文是你展示系统分析水平的最佳时机&#xff0c;如果您面对三个论文问题的阐述&#xff0c;怎么才能让人相信你有项目实践经验&#xff0c;有较强的分析问题、解决问题的能力&#xff0c;怎么才能让你的论文就很有说服力呢&#xff1f;下面是湖北软考网小编总结出来的几条系…

无酒不水浒,无肉不江湖

很难想象&#xff0c;没有酒的《水浒传》&#xff0c;将会是什么样儿&#xff1f; 武松醉打蒋门神&#xff0c;小霸王醉入销金帐、杨雄醉骂潘巧云&#xff0c;诸如此类&#xff0c;都是水浒传中经典的酒故事&#xff0c;倘若离开了酒&#xff0c;水浒少的就不仅仅是故事了&…

头歌-机器学习实验 第8次实验 决策树

第1关&#xff1a;什么是决策树 任务描述 本关任务&#xff1a;根据本节课所学知识完成本关所设置的选择题。 相关知识 为了完成本关任务&#xff0c;你需要掌握决策树的相关基础知识。 引例 在炎热的夏天&#xff0c;没有什么比冰镇后的西瓜更能令人感到心旷神怡的了。现…

【nnUNetv2进阶】三、nnUNetv2 自定义网络-发paper必会

nnUNet是一个自适应的深度学习框架,专为医学图像分割任务设计。以下是关于nnUNet的详细解释和特点: 自适应框架:nnUNet能够根据具体的医学图像分割任务自动调整模型结构、训练参数等,从而避免了繁琐的手工调参过程。 自动化流程:nnUNet包含了从数据预处理到模型训练、验证…

【Linux实践室】Linux高级用户管理实战指南:用户所属组变更操作详解

&#x1f308;个人主页&#xff1a;聆风吟_ &#x1f525;系列专栏&#xff1a;Linux实践室、网络奇遇记 &#x1f516;少年有梦不应止于心动&#xff0c;更要付诸行动。 文章目录 一. ⛳️任务描述二. ⛳️相关知识2.1 &#x1f514;Linux查看用户所属组2.1.1 &#x1f47b;使…

《UE5_C++多人TPS完整教程》学习笔记31 ——《P32 角色移动(Character Movement)》

本文为B站系列教学视频 《UE5_C多人TPS完整教程》 —— 《P32 角色移动&#xff08;Character Movement&#xff09;》 的学习笔记&#xff0c;该系列教学视频为 Udemy 课程 《Unreal Engine 5 C Multiplayer Shooter》 的中文字幕翻译版&#xff0c;UP主&#xff08;也是译者&…

IntelliJ IDEA 2024 for Mac/Win:引领Java开发新纪元的高效集成环境

在日新月异的软件开发领域&#xff0c;一款高效、智能的集成开发环境&#xff08;IDE&#xff09;无疑是程序员们不可或缺的神兵利器。今天&#xff0c;我要为大家介绍的&#xff0c;正是这样一款集大成之作——IntelliJ IDEA 2024。无论是Mac用户还是Windows用户&#xff0c;只…

全球AI顶会NeurlPS开始收高中生论文了

ChatGPT狂飙160天&#xff0c;世界已经不是之前的样子。 新建了免费的人工智能中文站https://ai.weoknow.com 新建了收费的人工智能中文站https://ai.hzytsoft.cn/ 更多资源欢迎关注 卷高考之后的下一步&#xff0c;卷论文&#xff1f; 培养 AI 人才&#xff0c;要从娃娃抓起&…

Spark-Scala语言实战(16)

在之前的文章中&#xff0c;我们学习了三道任务&#xff0c;运用之前学到的方法。想了解的朋友可以查看这篇文章。同时&#xff0c;希望我的文章能帮助到你&#xff0c;如果觉得我的文章写的不错&#xff0c;请留下你宝贵的点赞&#xff0c;谢谢。 Spark-Scala语言实战&#x…

逆向案例二十五——m3u8中有AES加密怎么处理

网址链接&#xff1a;aHR0cHM6Ly93d3cuY2Jwb3J0YWwub3JnL2N1cGZveHBsYXkvODUyNzctMS0xLw 打开一个视频&#xff0c;打开开发者工具&#xff0c;刷新&#xff0c;搜索m3u8,找到这个含有所有ts连接的包 预览一下&#xff1a; 这与平常的m3u8有所不同&#xff0c;如果有下面的代码…

基于torch的图像识别训练策略与常用模块

数据预处理部分&#xff1a; 数据增强&#xff1a;torchvision中transforms模块自带功能&#xff0c;比较实用数据预处理&#xff1a;torchvision中transforms也帮我们实现好了&#xff0c;直接调用即可DataLoader模块直接读取batch数据 网络模块设置&#xff1a; 加载预训练…